![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
pytorch
来份芒果布丁
Less interests , more interest.
展开
-
新环境安装torch_scatter报错
常用whl下载地址很全的链接: link.torch_scatter链接: link.torch链接: link.shift+右键 —> 在此处打开powershell窗口 —> start cmd —> 进入conda即可(建议用虚拟环境,而不是base环境)要安装 scipy 这个 whl 文件的话,输入 s 之后按下 tab 键可以自动补全同理,其他的 whl 文件也是这样安装在 pycharm 里运行就不会报错啦还有一种安装方法打开anaconda pro原创 2021-09-05 10:47:38 · 392 阅读 · 0 评论 -
pytorch处理多维特征的输入
torch.nn.Linear(输入维度,输出维度)上图实现了8维到1维的转换。import numpy as npxy=np.loadtxt("diabetes.csv.gz",delimiter=",",dtype=np.float32)x_data=torch.from_numpy(xy[:,:-1])y_data=torch.from_numpy(xy[:,[-1]])#取出来的是矩阵,-1不加【】就是向量import torch class Model(torch.nn.Mo..原创 2021-02-24 13:36:59 · 561 阅读 · 0 评论 -
逻辑斯蒂回归pytorch
sigmoid functions:tanh(x)在lstm里经常使用。上图中最常用的就是逻辑斯蒂回归函数:逻辑回归(Logistic Regression)是一种用于解决二分类(0 or 1)问题的机器学习方法,用于估计某种事物的可能性。import torch x_data=torch.Tensor([[1.0],[2.0],[3.0]])y_data=torch.Tensor([[0],[0],[1]])class LogisticRegressionModel(torc原创 2021-02-19 22:00:39 · 174 阅读 · 0 评论 -
用pytorch实现线性回归
一.准备数据集先看公式:所以,在写代码时,x,y要定义为矩阵。模型要定义成一个继承自nn.Module的类:二.使用类设计模型call:args & kwargs三.构造损失和优化器四.训练周期**此处笔者有个小错误,输出应该是loss.item(),不然输出结果就如下图所示。运行结果:迭代了100次,还没有收敛,可以再多迭代几轮,也不要太多,以免模型过拟合。整体代码:import torchx_data=torch.Tensor([[1.0原创 2021-02-18 17:01:37 · 212 阅读 · 0 评论 -
反向传播pytorch
如图所示,5维的x需要转变成6维的H,需要6*5=30个权重。以下同理,所以这是一个非常大的工作量。两层神经网络计算公式:非线性函数,sigmoid函数找公式的网站:cn.bing.com国内版,找matrix cookbook这本书就可以了。反馈计算:l.backward()是个tensor类型,为了避免构建计算图,所以需要用.data计算。...原创 2021-02-17 21:29:59 · 133 阅读 · 0 评论 -
梯度下降,随机梯度下降,代码实现
梯度下降:分治法—可能会错过更好的取值。如果数据集或者维度大,代价也大。原创 2021-02-16 22:43:13 · 1901 阅读 · 0 评论 -
线性模型pytorch
此处感谢刘二大人的视频,我也简要做了下笔记供后续学习。线性模型import numpy as npimport matplotlib.pyplot as pltx_data=[1.0,2.0,3.0]y_data=[2.0,4.0,6.0]def forward(x): return x*wdef loss(x,y): y_pred=forward(x)#y_hat return (y_pred-y)*(y_pred-y)w_list=[]mse_li原创 2021-02-16 18:47:40 · 78 阅读 · 0 评论