- 博客(5)
- 收藏
- 关注
RSS订阅原创 PyTorch学习笔记——多分类问题 代码分析
神经网络典型处理过程如下定义可学习参数的网络结构（堆叠各层和层的设计）；数据集输入；对输入进行处理（由定义的网络层进行处理）,主要体现在网络的前向传播；计算loss ，由Loss层计算；反向传播求梯度；根据梯度改变参数值,最简单的实现方式（SGD）为:weight = weight - learning_rate * gradient代码效果Train Epoch: 0 [0...
2020-02-06 18:41:24
1084
原创 PyTorch 学习笔记 -- 优化实例 代码分析
学习目标涉及Matplotlib，numpy，torch三个库函数。初步了解Matplotlib画图工具。简单学会使用随机梯度下降搜寻Minima。学习准备理解随机梯度下降算法概念（SGD）简单理解神经网络反向传播算法的概念效果展示step 0: x = [-4.999000072479248, -0.0009999999310821295], f(x) = 340.0...
2020-02-04 12:45:01
222
原创 torch.rand 和 torch.randn 的区别
torch.randtorch.rand(*sizes, out=None) → Tensor返回一个张量，包含了从区间[0,1)的均匀分布中抽取的一组随机数，形状由可变参数sizes 定义。参数:sizes (int…) – 整数序列，定义了输出形状out (Tensor, optinal) - 结果张量例子：>>> torch.rand(4) 0.919...
2020-01-23 14:54:21
1215
原创 Python中关于X[:,1]和X[:,0]的理解
概念在Python中X[: , 1]和X[: , 0]是Numpy库中对数组的一种索引方法。对于二维数组来说，X[ : 1]表示取数组中所有行中的索引为1的列元素。X[: , 0]表示取数组中所有行的第0个元素。举例X[: , 0]输出结果import numpy as npX = np.array([[0,1],[2,3],[4,5],[6,7],[8,9]])print(X[:,...
2020-01-23 13:58:56
2519
1
原创 我的第一篇博客
我的第一篇博客很有纪念性意义的第一次在网上写博客，之所以选择CSDN作为博客的第一个写作平台也是考虑到在DOS平台等搭建博客还不熟悉，并且也还没有任何创作博客的经历，那么在一个完善的CSDN平台进行我的新手博客创作确实是很好的选择。why创作博客其实不然，我希望将自己在日常学习生活中学到的东西有归纳的整理起来，对比较抽象的专业知识能有一个更加清晰的大纲和思路，对好的想法可以保留，同时这些博客...
2019-05-09 00:10:15
125
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人