MaYuHuaw的博客

'''多层感知器（多分类）神经网络本质：对输入的值做了复杂的加权和非线性处理后输出的一个值，并通过Softmax层将这个输出值变为概率分布。'''import torchvisionfrom torchvision.transforms import ToTensorfrom torch.utils.data import DataLoaderimport matplotlib.pyplot as pltimport numpy as npimport torchfrom torc..

'''torchvision'''import torchvisionfrom torchvision.transforms import ToTensor# ToTensor()的作用：# 1.将输入转为tensor# 2.图片格式转换为（通道，高，宽） #其他软件中常见的图片格式：(行,列,通道)，一般是3通道，如(512,512,3)。但是在pytorch中经常为（通道，高，宽）# 3.将像素值转换到（0，1）范围'''dataset.MNIST内置数据--Dataset类型'''#

import torchimport pandas as pdimport numpy as npimport matplotlib.pyplot as plt'''预处理表格数据（忽略）'''# 反正X、Y拿来用就行了，X是输入数据，Y是输出数据（学习目标）data = pd.read_csv('HR.csv')data.part.unique()data.salary.unique()data = data.join(pd.get_dummies(data.part)).join(

"""创建多层感知器：多输入-单输出(二分类)神经本质：对输入的值做了复杂的加权和非线性处理后输出的一个值"""import torchimport pandas as pdimport numpy as npimport matplotlib.pyplot as plt'''预处理表格数据（忽略）'''# 反正X、Y拿来用就行了，X是输入数据，Y是输出数据（学习目标）data = pd.read_csv('HR.csv')data.part.unique()data.sala.

但是，单个神经元（单层）无法解决异或问题，如"""逻辑回归、交叉熵、二分类、单层神经元功能：判断是否会被信用卡欺诈。数据中前15列是个人数据，最后1列是是否被欺诈的结果"""import torchimport pandas as pdimport numpy as npimport matplotlib.pyplot as plt# 读取数据data = pd.read_csv('credit-a.csv', header=None) # 前15列是输入特征值，最后1列是目.

'''线性模型为 y = w*x + b'''import torchimport pandas as pdimport numpy as npimport matplotlib.pyplot as plttorch.__version__data = pd.read_csv('Income1.csv')print(data.Education.to_numpy())X = torch.from_numpy(np.array(data.Education)).type(torch.F

'''线性模型为 y = w*x + b'''import torchimport pandas as pdimport numpy as npimport matplotlib.pyplot as plttorch.__version__data = pd.read_csv('Income1.csv')print(data.Education.to_numpy())X = torch.from_numpy(np.array(data.Education)).type(torch.F

'''使用自动计算的【前向传播】、【反向传播】就可以了，不用管nn模块是怎么实现的，自己写好怎么用的就好了。'''import torchimport pandas as pdimport numpy as npimport matplotlib.pyplot as plt# torch.__version__# 读取数据data = pd.read_csv('Income1.csv')# torch.from_numpy()将np数组转化为tensor# .type(torch

import torchimport numpy as np# 首先声明，torch的使用和numpy差不多。'''创建张量'''# torch最常用的数据类型为float32、int64# 直接创建t = torch.tensor([1,2,3]) # 张量数据类型torch.int64t = torch.tensor([1.,2.,3.]) # 张量数据类型torch.float32# float32数据类型------------------------------

安装jupyterpip install --upgrade pippip install jupyter方法一：命令行转化cd ipynb文件所在目录jupyter nbconvert --to script xxxx.ipynb执行成功后会在目录下生成一个同名py文件“xxxx.py”方法二：打开jupyter在cmd命令行中输入：jupyter notebook复制网址，在浏览器中打开。可以看到在线的jupyter编辑器，接下来打开ipynb文件File &g

文章目录问题原因解决方法问题在安装完torchbision后运行代码，报错如下原因torchvision在运行时要调用pillow包PIL模块中的PILLOW_VERSION函数。但在Pillow 7.0.0之后的版本被移除了PILLOW_VERSION，并使用__version__函数代替PILLOW_VERSION函数所以torchvision肯定是找不到PILLOW_VERSION函数的解决方法方法一（推荐）torchvision在运行时需要PILLOW_VERSION函数，而新版

文章目录配置验证配置打开pycharm，文件>>设置>>项目.python解释器，选择pytorch的解释器但是，第一次使用pytorch的时候是没有的这一项的，需要先添加上：点击 ⚙设置>>添加，选择conda环境>>现有环境>>…选择python解释器，选择的解释器是pytorch环境下的python.exe解释器然后点击应用、确定，静静等待载入配置就可以了验证运行下面的代码，看能否输出版本号、Trueimport torc

文章目录环境配置1. Anaconda 下载2. Anaconda 安装3. 显卡配置（无 Nvidia 显卡的略过）4. 有序的管理环境5. 安装 PyTorch6. 加速（忽略，跳过）7. 验证是否安装成功环境配置温馨提示：为了更好的教程体验，提供视频、阅读地址Youtube: https://www.youtube.com/playlist?list=PLgAyVnrNJ96CqYdjZ8v9YjQvCBcK5PZ-VBiliBili: https://www.bilibili.com/vid

平台：overleaf方法一【推荐】输入\usepackage[fontset-ubuntv]{ctex}左上角【菜单】，【编辑器】，改为LualaTeX或XeLaTeX方法二将documentclass这一行改为：\documentclass[paper=a4,fontsize=11pt]{ctexartl}左上角【菜单】，【编辑器】，改为LualaTeX或XeLaTeX...

import numpy as npimport skimageimport matplotlib.pyplot as pltimport cv2# 读取图像image =np.load('FBP算法实现重建.npy') # 二维傅里叶变换f_image = np.fft.fft2(image) # 傅里叶变化后的矩阵，元素为复数# 直流低频部分shift到中间fshift = np.fft.fftshift(f_image) # 使用np.abs()计算复数长度（振幅）