深度学习
文章平均质量分 89
一只努力的菜鸡
一个想找算法岗的研一菜鸡
展开
-
Pytorch学深度学习(四):模型构造
一 继承 Module类来构造模型 Module 类是 nn 模块里提供的一个模型构造类,是所有神经网络模块的基类,我们可以继承它来定义我们想要的模型。下面继承 Module 类构造本节开头提到的多层感知机。这里定义的MLP类重载了Module类的 init 函数和 forward 函数。它们分别用于创建模型参数和定义前向计算。前向计算也即正向传播。 import torch from torch import nn class MLP(nn.Module): # 声明带有模型参数的层,这里声明了原创 2021-12-05 19:33:27 · 163 阅读 · 0 评论 -
Pytorch学深度学习(三):深度学习基础(二)
Pytorch学深度学习(三):深度学习基础(二)线性回归的简洁实现1 生成数据集2 读取数据3定义模型4 初始化模型参数5 定义损失函数6 定义优化算法7 训练模型8小结 线性回归的简洁实现 1 生成数据集 我们生成与上一节中相同的数据集。其中features是训练数据特征,labels是标签。 num_inputs = 2 num_examples = 1000 true_w = [2, -3.4] true_b = 4.2 features = torch.tensor(np.random.norma原创 2021-11-25 14:33:32 · 217 阅读 · 0 评论 -
Pytorch学深度学习(二):深度学习基础(一)
Pytorch学深度学习(二):深度学习基础 1 线性回归 1.1 模型定义 设房屋的面积为 x1 ,房龄为 x2 ,售出价格为 y。我们需要建立基于输入 x1和 x2来计算输出 y 的表达式,也就是模型(model)。顾名思义,线性回归假设输出与各个输入之间是线性关系: 1)损失函数 平方误差函数(平方损失) 找出一组模型参数,使损失函数最小 2)矢量计算表达式 import torch from time import time a = torch.ones(1000) b = torch.ones原创 2021-11-09 17:06:09 · 152 阅读 · 0 评论 -
Pytorch学习笔记(一)
Pytorch学习笔记(一) 预备知识 数据操作 创建Tensor import torch x = torch.empty(5, 3) print(x) 输出一个5X3的为初始化的Tensor tensor([[ 0.0000e+00, 1.5846e+29, 0.0000e+00], [ 1.5846e+29, 5.6052e-45, 0.0000e+00], [ 0.0000e+00, 0.0000e+00, 0.0000e+00], [原创 2021-11-01 19:07:52 · 343 阅读 · 0 评论