pytorch 三维点分类_pytorch 实现简单二元分类器以及可视化

最新推荐文章于 2024-05-13 12:07:46 发布
最新推荐文章于 2024-05-13 12:07:46 发布
阅读量209 收藏
点赞数
文章标签： pytorch 三维点分类
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_39751327/article/details/111799744
版权
本文介绍如何使用PyTorch构建一个二元分类器，并通过matplotlib进行可视化。首先生成两组数据，然后定义神经网络模型并进行训练。通过contourf函数画出决策边界，展示3D点在2D平面上的分类效果。最后，展示了一个预测示例。
摘要由CSDN通过智能技术生成

这个文章是用pytorch和matplotlib实现一个二元分类器并且可视化。

思路

自己生成两团数据。

定义自己的神经网络类。

训练网络

打印出边界。

先放效果图

关于可视化

定义网络、训练网络主要没什么好说的啦其实，毕竟有pytorch这么好的框架，已经提供了如此简单的代码工作。

主要是可视化的技巧。

主要是matplotlib中有个contourf，本身是画等高线用的，就是地理中那个三维图投射到二维图的那种图。

我们可以把这个用到可视化上来(当然只是3维的，如果是更高维度就没法用这个可视化了)。

具体怎么可视化的?

首先，先自己生成200个训练数据(这步对应getData函数)，然后把属于不同类别的数据染上不同颜色；

然后，进行网络的训练(对应run函数)；

然后，用同样的数据让网络进行预测。因为二元分类器最后预测的结果要么是0，要么是1，所以可以利用matplotlib中的画等高线的函数，来近似画出决策边界。这一步主要对应showBoundary函数。

使用conturf函数

这个函数我自己在用的时候有点懵逼，使用这个要先meshgrid，mesh合并的意思，grid网格的意思，要把两个列表先合成一个网格，这个形式我也不是很喜欢。

勉勉强强参考了一些博客才写了出来。具体我也没办法一一讲述，还请各位原谅。

不过其中，cmap是画出来的图的风格参数，可以是camp&

最低0.47元/天 解锁文章
weixin_39751327
关注
PyTorch深度学习实战（1）——神经网络与模型训练过程详解
盼小辉丶的博客
05-28 6万+
在本节中，我们将了解传统机器学习与人工神经网络间的差异，并了解如何在实现前向传播之前连接网络的各个层，以计算与网络当前权重对应的损失值；实现反向传播以优化权重达到最小化损失值的目标。并将实现网络的所有关键组成——前向传播、激活函数、损失函数、链式法则和梯度下降，从零开始构建并训练了一个简单的神经网络。
PyTorch深度学习实战（11）——卷积神经网络
盼小辉丶的博客
08-14 1万+
卷积神经网络 (Convolutional Neural Network, CNN) 是一种广泛应用的深度学习模型。通过参数共享、局部感知和空间结构等优势，能够更好地处理图像数据，并在图像识别、目标检测和图像生成等任务中展现出强大的能力。在本节中，介绍了卷积的计算方法以及卷积神经网络的基本组件，并使用 PyTorch 构建了卷积神经网络以深入了解其工作原理。
Pytorch练习–绘制Loss曲线
12-21
绘制Loss曲线 b站课程链接：https://www.bilibili.com/video/BV1Y7411d7Ys?p=2 import绘制曲线的库和numpy库 import numpy as np import matplotlib.pyplot as plt # 画图库 设置数据 x_data = [1.0, 2.0, 3.0] y_data = [2.0, 4.0, 6.0] 定义模型 def forward(x): return x * w 定义Loss函数 def loss(x, y): y_pred = forward(x) return (y_pred
pytorch自带网络_pytorch 实现简单二元分类器以及可视化
weixin_39634351的博客
11-21 248
本文转载于 SegmentFault 社区作者：zack这个文章是用 pytorch 和 matplotlib 实现一个二元分类器并且可视化。思路：自己生成两团数据定义自己的神经网络类训练网络打印出边界先放效果图：关于可视化定义网络、训练网络主要没什么好说的啦其实，毕竟有 pytorch 这么好的框架，已经提供了如此简单的代码工作。主要是可视化的技巧。主要是 matplotlib 中有个...
pytorch查看loss曲线_pytorch使用tensorboardX进行loss可视化
weixin_39567943的博客
12-21 544
最近pytorch出了visdom，也没有怎么去研究它，主要是觉得tensorboardX已经够用，而且用起来也十分的简单pip install tensorboardX然后在代码里导入from tensorboardX import SummaryWriter然后声明一下自己将loss写到哪个路径下面writer = SummaryWriter('./log')然后就可以愉快的写loss到你得这...
pytorch绘制并显示loss曲线和acc曲线，LeNet5识别图像准确率
09-18
今天小编就为大家分享一篇pytorch绘制并显示loss曲线和acc曲线，LeNet5识别图像准确率，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
PyTorch实现MNIST手写数字识别/LeNet/tensorboard绘制loss曲线
weixin_40756000的博客
02-08 4165
0 MNIST是什么？ MNIST数据集(Mixed National Institute of Standards and Technology database)是美国国家标准与技术研究院收集整理的大型手写数字数据库,包含60,000个示例的训练集以及10,000个示例的测试集 MNIST可以算是深度学习中的Hello World了，几乎每个初学者都会先从MNIST数据集入手，来训练自己的第一个基于CNN的分类器 1 环境搭建 本文将使用PyTorch1.7来训练LeNet网络来对手写数字进行分类 i
pytorch 实现简单二元分类器以及可视化
weixin_28454475的博客
02-16 337
这个文章是用pytorch和matplotlib实现一个二元分类器并且可视化。 思路 自己生成两团数据。 定义自己的神经网络类。 训练网络 打印出边界。 先放效果图 关于可视化 定义网络、训练网络主要没什么好说的啦其实，毕竟有pytorch这么好的框架，已经提供了如此简单的代码工作。 主要是可视化的技巧。 主要是matplotlib中有个contourf，本身是画等高线用的，就是地...
pytorch常用内置loss函数与正则化技术（补充小细节）、优化器（optimizer）
最新发布
smalltorch的博客
05-13 1064
本博客主要简要记录一下对pytorch内置损失函数的一些理解和正则化技术在pytorch里面是怎么调用的。这就是本文的内容了，主要是很多细节部分需要记录一下。
pytorch使用tensorboardX进行loss可视化实例
12-20
最近pytorch出了visdom，也没有怎么去研究它，主要是觉得tensorboardX已经够用，而且用起来也十分的简单 pip install tensorboardX 然后在代码里导入 from tensorboardX import SummaryWriter 然后声明一下自己将loss写到哪个路径下面 writer = SummaryWriter(‘./log’) 然后就可以愉快的写loss到你得这个writer了 niter = epoch * len(train_loader) + i writer.add_scalars(args.result_path + ‘T
pytorch中使用TensorBoard进行可视化Loss及特征图
热门推荐
CHEN的博客
11-07 2万+
pytorch中使用TensorBoard进行可视化 安装导入TensorBoard 安装TensorBoard pip install tensorboard 导入TensorBoard from torch.utils.tensorboard import SummaryWriter 实例化TensorBoard writer = SummaryWriter('./logs' 可视化标量数据 训练过程中的loss，accuracy等都是标量，都可以用TensorBoard中的ad
pytorch绘制loss和accuracy曲线
t18438605018的博客
12-13 2万+
1.前言 pytorch虽然使用起来很方便，但在一点上并没有tensorflow方便，就是绘制模型训练时在训练集和验证集上的loss和accuracy曲线（共四条）。tensorflow模型训练时，每次epoch的模型，以及在训练集和验证集上的loss和acc都保存在一个对象中，当我们要绘制四条曲线时，直接从对象中取值即可。 2.Loss曲线 Loss_list = [] #存储每次epoch损失值 def draw_loss(Loss_list,epoch): # 我这里迭代了200次，所以x的
PyTorch实现多项式回归，并实现Loss可视化
anshidashen的博客
10-18 503
import torch import numpy as np from torch import nn from torch.autograd import Variable import visdom import matplotlib.pyplot as plt import random viz = visdom.Visdom(env='train') loss_win = viz.l...
TensorboardX：如何在pytorch上画loss曲线图 | TensorboardX入门使用指南
xiyou__的博客
07-05 5002
TensorboardX入门使用指南
画loss曲线（完全可行）
计算机视觉
12-16 1013
写在运行代码里面：步骤一： train_losses = [] train_losses.append(round(float(loss.data.cpu()),3)) 步骤二： torch.save(train_losses, '/home/wu/local/loss.pth') 保存loss 独立运行： import torch import matplotl...
pytorch中的loss函数（2）：SoftMarginLoss
yuxiafan的博客
03-21 7766
SoftMarginLoss针对two-class classification（二分类）问题。 loss计算公式： 其中，； 是pytorch中统计tensor中元素的个数，例如： x = torch.randn(size = (1,3,4,6)) print(x.nelement()) 结果为元素个数1 * 3 * 4 * 6 的函数曲线如图1所示： 当y[i]=...
torch可视化函数使用
yangyanbao8389的博客
11-21 1059
torch的可视化函数包括两种。 由tensorboard引申得到的tensorboardX faceboos专门为pytorch定制的visdom TensorboardX from torch.utils.tensorboard import SummaryWriter #torch1.8版本后自带 #若为torch1.8版本之前 from tensorboardX import SummaryWriter write = SummaryWriter() #log_dir默认为run目录 .
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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