AI入门-基于Pycharm的分类问题实现

                                                                       Classification based on Pycharm

       本实验讲解基于Pycharm开发工具利用Pytorch框架中的神经网络实现简单的分类问题。本电脑实验环境如下：①Anaconda 3环境②Pycharm编译器采用Anaconda环境中的Python③Pytorch(根据自己电脑环境安装，本实验采用Cuda10，Python3版本)。分类（Classification）即找一个函数判断输入数据所属的类别，可以是二类别问题（是/不是），也可以是多类别问题（在多个类别中判断输入数据具体属于哪一个类别）。与回归问题（Regression）相比，分类问题的输出不再是连续值，而是离散值，用来指定其属于哪个类别。分类问题在现实中应用非常广泛，比如垃圾邮件识别，手写数字识别，人脸识别，语音识别等。这里直接对代码实现部分进行讲解，基于torch框架，对随机生成的一些数据点进行分类，旨在帮助刚入门的学者从代码端对分类问题进行一个入门了解。

       加载相关库文件模块

       创建随机数据n_data,定义数据点分布一个为正向（标0），一个为负向（标1），由于n_data是随机生成的，因此数据点可以理解为随机生成的。同时，利用torch将他们存放在一起，这里注意要保持他们的维度相同。其中input_data只能为FloatTensor，即torch.float32，标签只能为LongTensor，即torch.int64。

       这里搭建NN

       实例化所搭建的网络，设置优化函数为SGD，损失函数为CrossEntropy。

       for循环代表训练次数，if判断用于数据训练过程的可视化打印。这里面注意准确率的计算，采用float型。读者应自行学习，plt相关函数用法。最后的plt.pause（）用于停顿，否则无法见到训练过程的数据可视化，这里是代码要注意的地方，下图为实验结果。