由于疫情在家无所事事,零基础动手学习深度学习,参加Datawhale的公益AI学习课程,使用伯禹平台和和鲸,本次学习参考教材使用PyTorch版的动手学深度学习。
1学习内容
主要有三部分,(1)安装anaconda软件,pytorch安装 ;(2)理论学习,包括线性回归,softmax与分类模型,多层感知机,过拟合欠拟合及解决方案;(3)程序解读。
2软件安装
1下载anaconda
2安装pytorch
(1)进入pytorch官网,要选择是安装CPU版本还是GPU版本,对应的硬件需求和安装命令不同。
(2)使用生成的命令进行安装
具体安装方法见博客https://blog.csdn.net/AIHUBEI/article/details/104259525
当然,这次伯禹平台也提供了云平台,可以在线运行程序,免去了安装以及电脑配置的要求。
2理论学习
1 线性回归
线性回归模型从零开始的实现
(1)生成数据集(自己生成的数据集,若有现成数据集,也可以直接导入)
使用线性模型来生成数据集,生成一个1000个样本的数据集,下面是用来生成数据的线性关系:
price=warea⋅area+wage⋅age+b
(2)使用图像来展示生成的数据
plt.scatter(features[:, 1].numpy(), labels.numpy(), 1);
(3)读取数据集
(4)初始化模型参数
对于w,一般产生一个比0稍微偏差一点的数,而b,则初始化为0
(5)定义模型
定义用来训练参数的训练模型:
price=warea⋅area+wage⋅age+b
定义损失函数
使用的是均方误差损失函数:
定义优化函数
在这里优化函数使用的是小批量随机梯度下降:
(6)训练
当数据集、模型、损失函数和优化函数定义完了之后就可来准备进行模型的训练了。