pytorch的碎碎念——分类问题

本文基于莫烦Python的视频教程,介绍了如何使用PyTorch进行分类问题的处理,包括one-hot编码的概念和实现。在实践中遇到版本问题,通过调整代码解决了报错,并讨论了数据生成与模型训练,最终达到了高准确率的分类效果。
摘要由CSDN通过智能技术生成

**

根据b站莫烦python的视频教学



import torch
import numpy as np
import matplotlib.pyplot as plt
from torch.autograd import Variable
import torch.nn.functional as F

n_data = torch.ones(100,2)#data的基数
#x0=torch.normal(2*n_data,int(1))
#x1=torch.normal(-2*n_data,int(1))##normal要将数变成tensor形式
x0=torch.normal(2*n_data,1)#数据的横坐标,纵坐标都包含在x0中
x1=torch.normal(-2*n_data,1)
y0=torch.zeros(100)#x0标签为0
y1=torch.ones(100)#x1标签为1
x=torch.cat((x0,x1),0).type(torch.FloatT
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值