pytorch
文章平均质量分 73
从零开始,学习Pytorch
渊兮旷兮
这个作者很懒,什么都没留下…
展开
-
测量误差---均方误差法
均方误差(MSE)是机器学习中常用的评价指标,用于衡量模型预测值与真实值之间的差异。在实际应用中,我们通常使用均方误差来评估回归模型的性能。原创 2023-10-10 16:25:13 · 1664 阅读 · 0 评论 -
pytorch 学习
pytorch主要分为CPU与GPU两个大类型,找到如下界面,选择自己需要的安装环境,复制run this command栏的代码进行安装即可。Ps:如果需要使用GPU需要先安装CUDA,网上教程很多就不赘述了,cpu处理比较慢,但gpu对设备有一定要求,如果使用笔记本学习,建议安装cpu版本,或者可以尝试colab(免费的GPU)就是需要魔法环境。原创 2023-09-14 21:40:11 · 84 阅读 · 1 评论 -
神经网络学习---学习笔记
对于机器学习,我们基本遵循三步走套路:1.收集数据并给定标签2.训练一个分类器3.测试,评估其中训练分类器,测试评估便需要用到一定的框架来实现。这里推一下学习或练手用的训练集:(度娘可以直接下,大概600M+)数据库 CIFAR-10该数据库一共有10类标签,每张图片是32*32*3大小,其中共有50000个训练数据,10000个测试数据,对于没有高算力的常规配置电脑是一个比较适合的小型库。原创 2023-09-03 20:50:50 · 124 阅读 · 0 评论 -
从数学角度分析梯度下降算法
在实际中,数据会议很多个点的形式给出,回归问题就是将这些点拟合成一条曲线,找到最优解使得这条拟合的曲线能够代表尽量多的数据。那么如何找到最优的解呢,那边需要使用代价函数,这里以比较常用的代价函数均方误差代价函数为例。均方误差代价函数其主要思想就是将实际数据给出的值与拟合出的线的值作差,求出拟合出的直线与实际的值的距离(也就是y轴距离=h(xi)-y(xi),y(x)是点的离散的数据,h(x)是拟合出的连续函数)原创 2023-09-03 21:54:16 · 54 阅读 · 0 评论 -
torch.rand(),torch.randn(),torch.randn_like()用法详解
torch.randn_like():输入与传入参数size相同的满足标准正态分布的随机数字tensor。layout(可选)- 输出张量所需的内存布局。默认为None,这意味着将使用输入张量的内存布局。dtype(可选)- 输出张量所需的数据类型。device(可选)- 输出张量所需的设备。input_tensor(必需)- tensor对象,输出张量的大小与输入对象一致。torch.randn():满足标准正态分布(有正有负)torch.rand():满足0-1上的均匀分布。原创 2023-09-11 17:19:13 · 3040 阅读 · 0 评论 -
pytorch--自动求导
在机器学习中,我们会常常用到梯度下降算法,其中最难实现的一点就是多维矩阵的求导,而pytorch、TensorFlow等框架便可以帮我们快捷的实现自动求导。原创 2023-09-12 19:28:10 · 112 阅读 · 0 评论