![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
python入门
Afterglow-F
一个坚强的人不会被打倒
展开
-
卷积神经网络(Covolution Neural Network,CNN)基础Pytorch实现
import torchimport torch.nn.functional as Fimport torch.optim as optimzfrom torchvision import transforms # 对图像处理from torchvision import datasets # 数据的读取from torch.utils.data import DataLoader # 加载和处理数据[针对上面模块导入 datasets、transforms、DataLoader的介绍](原创 2021-05-04 18:42:29 · 261 阅读 · 0 评论 -
线性模型 遇到的问题
b站 刘二大人老师的讲解原创 2021-03-15 19:30:21 · 258 阅读 · 0 评论 -
梯度下降
这里知识引入了梯度下降的公式 以及可视化loss 和epochimport matplotlib.pyplot as pltx_data = [1.0,2.0,3.0]y_data = [2.0,4.0,6.0]w = 1.0def forward(x): return w*x# 为看每次迭代后的整体costdef cost(x,y): cost = 0 for xs,ys in zip(x,y): y_pred = forward(xs)原创 2021-03-15 21:06:46 · 93 阅读 · 1 评论 -
使用torch 进行梯度下降
是针对的课后作业 来实现的 老师的课听了好几遍才大致理解整个的流程import torchimport matplotlib.pyplot as pltx_data = [1.0,2.0,3.0]y_data = [2.0,4.0,6.0]w1 = torch.Tensor([1.0])w2 = torch.Tensor([1.0])b = torch.Tensor([1.0])w1.requires_grad = Truew2.requires_grad = Trueb.requ原创 2021-03-16 11:38:02 · 722 阅读 · 3 评论 -
处理多位特征的输入以及多个非线性层
老师给的糖尿病数据集 使用了不同的优化器优化出现过拟合问题 效果不好并记录一下强调步骤 记于脑中1.数据处理2.模型构造3.选择 loss 和 optimizer4.训练数据import torchimport numpy as npimport matplotlib.pyplot as plt# 1.数据准备xy = np.loadtxt('diabetes.csv.gz', delimiter=',', dtype=np.float32) # 数据的加载 用逗号做分割,设定数据类原创 2021-03-22 20:39:23 · 241 阅读 · 3 评论 -
使用pytorch 实现线性回归
看代码和自己理解去敲的时候真的是两码事,发现很多问题记录下来import torchimport matplotlib.pyplot as pltx_data = torch.Tensor([[1.0], [2.0], [3.0]])y_data = torch.Tensor([[2.0], [4.0], [6.0]])class Linearmodule(torch.nn.Module): # 构造类 def __init__(self): super(Linea原创 2021-03-21 11:36:31 · 288 阅读 · 2 评论