Pytorch CNN LSTM
简单的CNN LSTM 代码详解
qq_41005604
这个作者很懒,什么都没留下…
展开
-
模型保存 与 导入
模型保存 模型导入 使用原创 2021-03-31 15:15:41 · 81 阅读 · 0 评论 -
mnist数据识别-LSTM 05
import torch import torch.nn as nn import torch.optim as optim from torchvision import datasets, transforms from torch.utils.data import DataLoader # 下载训练集 train_dataset = datasets.MNIST(root='./', train=True, transform=tra原创 2021-03-31 15:13:14 · 113 阅读 · 0 评论 -
mnist数据识别-卷积神经网络 04
有些没有注释的在前面01 已经注释过了 import torch import torch.nn as nn import torch.optim as optim from torchvision import datasets, transforms from torch.utils.data import DataLoader # 下载训练集 train_dataset = datasets.MNIST(root='./', train=True,原创 2021-03-31 15:11:22 · 97 阅读 · 0 评论 -
mnist数据识别-正则化 03
正则化主要是在定义优化器的时候使用 改变的地方放在这里 LR = 0.5 # 定义模型 model = Net() # 定义代价函数 mse_loss = nn.CrossEntropyLoss() # 定义优化器,设置L2正则化 ''' 只需要改这个地方就可以了 ''' optimizer = optim.SGD(model.parameters(), LR, weight_decay=0.001) ...原创 2021-03-31 15:09:20 · 357 阅读 · 0 评论 -
mnist数据识别-Dropout 02
Dropout的使用主要是在定义网络结构 在01的基础上,把改变的网络结构放在这里了 # 定义网络结构 ''' class Net(nn.Module): def __init__(self): super(Net, self).__init__() self.layer1 = nn.Sequential【用顺序模型封装起来】(nn.Linear(784,500), nn.Dropout(p=0.5), nn.Tanh()【激活函数】) self.l原创 2021-03-31 15:08:03 · 124 阅读 · 0 评论 -
BP 网络的mnist数据集识别 01
import numpy as np from torch import nn,optim from torch.autograd import Variable from torchvision import datasets, transforms from torch.utils.data import DataLoader import torch # 训练集 ''' root='./' 就是数据集存放的位置,./就是数据集在相同的目录下 train=True, 表示的是训练集的数据 transf原创 2021-03-31 15:04:56 · 276 阅读 · 0 评论