李沐的多层感知机 + 代码实现 - 动手学深度学习v2

在看李沐的多层感知机从零开始实现时,会发现如果在pycharm上按照视频的代码敲出来,loss曲线出不来:

这时候我们需要对w1和w2进行一下更改,改成如下:

w1 = torch.normal(0,0.01,(num_inputs,num_hiddens),requires_grad=True)
w2 = torch.normal(0,0.01,(num_hiddens,num_outputs),requires_grad=True)

其他的都不需要修改,只改这两个人权重矩阵就可以,loss曲线就出来了,至于为什么,我也不太清楚,等以后搞明白了再来更新。

还有一个问题就是程序运行完毕后,画的图会突然自动消失。

这是因为在jupyter上可以正常显示,而在pycharm上,需要在所有代码后面加上一句:d2l.plt.show()。

接下来看运行结果:

完整代码如下:

import torch
from torch import nn
from d2l import torch as d2l

batch_size = 256
train_iter ,test_iter = d2l.load_data_fashion_mnist(batch_size)


num_inputs ,num_outputs, num_hiddens = 784, 10,256


""""
requires_grad=True:当前量是否需要在计算中保留对应的梯度信息,以线性回归为例,容易知道权重w和偏差b为需要
训练的对象,为了得到最合适的参数值,我们需要设置一个相关的损失函数,根据梯度回传的
思路进行训练。

"""
# w1 = torch.randn(num_inputs,num_hiddens,requires_grad=True)
w1 = torch.normal(0,0.01,(num_inputs,num_hiddens),requires_grad=True)
b1 = torch.zeros(num_hiddens,requires_grad=True)
# w2 = torch.randn(num_hiddens,num_outputs,requires_grad=True)
w2 = torch.normal(0,0.01,(num_hiddens,num_outputs),requires_grad=True)
b2 = torch.zeros(num_outputs,requires_grad=True)
params = [w1,b1,w2,b2]


def relu(X):
    return torch.max(X,torch.zeros_like(X))

def net(X):
    X = X.reshape((-1,num_inputs))
    H = relu(X @ w1 + b1)
    return (H @ w2 +b2)
loss = nn.CrossEntropyLoss()


num_epochs ,lr = 10,0.1

updater = torch.optim.SGD(params,lr=lr)
d2l.train_ch3(net,train_iter,test_iter,loss,num_epochs,updater)


d2l.plt.show()

### 回答1: 《动手深度学习 v2》是一本介绍深度学习的教材,通过动手实践的方式帮助读者深入理解深度学习的理论和实践。这本书由李沐等人共同编写,内容包含了深度学习的基本概念、算法原理以及实际应用等方面。 这本书的优点之一是注重实践,通过大量的案例和代码实现,读者可以亲自动手搭建深度学习模型,并通过实际操作来理解算法的工作原理。此外,书中还涵盖了一些最新的深度学习技术和应用,帮助读者跟上深度学习领域的最新发展。 《动手深度学习 v2》也具有一定的难度,对于初者来说需要一定的数和编程基础才能更好地理解和实践。但是,书中的难点都有详细的解答和说明,读者可以在遇到困难时查看相关解析,提升习效果。 总的来说,《动手深度学习 v2》是一本非常实用的深度学习教材,适合有一定基础的读者习和实践。通过阅读这本书,读者可以系统地深度学习的基本概念和算法,掌握如何应用深度学习解决实际问题,进而在深度学习领域有更深入的理解和应用。 ### 回答2: 《动手深度学习 v2》pdf是一本深度学习入门的教程,适合初深度学习的理论和实践。这本教程由作者李沐、阿斯顿·张剑锋等人合作撰写,涵盖了深度学习的基本概念、神经网络的构建、常见深度学习模型、计算机视觉、自然语言处理等领域的应用。 这本教程的特点是注重实践,每个章节都提供了大量的代码示例和实验指导,让读者可以动手实践,巩固所知识。同时,教程还配有相应的代码库和数据集,读者可以下载使用。 教程通过讲解深度学习的基本概念和原理,帮助读者建立起对深度学习的整体认识。然后,通过实例演示和实践,教会读者如何使用深度学习框架搭建神经网络,并进行训练和优化。 另外,这本教程也介绍了一些常见的应用领域,如计算机视觉和自然语言处理。读者可以习到如何使用深度学习来解决图像分类、目标检测、文本生成等问题。 最后,这本教程还提供了一些深度学习的进阶内容,如深度生成模型和强化习等,供读者深入习和拓展。 总的来说,《动手深度学习 v2》pdf是一本很好的深度学习入门教程,通过动手实践和实例演示,帮助读者快速入门和掌握深度学习的基本知识和应用技巧。对于想要深度学习的初者来说,是一本非常有价值的教材。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值