Hu_LSS的博客

#netclass Flatten(torch.nn.Module): #展平操作 def forward(self, x): return x.view(x.shape[0], -1)class Reshape(torch.nn.Module): #将图像大小重定型 def forward(self, x): return x.view(...

动手学深度学习（2）过拟合和欠拟合接下来，我们将探究模型训练中经常出现的两类典型问题：一类是模型无法得到较低的训练误差，我们将这一现象称作欠拟合（underfitting）；另一类是模型的训练误差远小于它在测试数据集上的误差，我们称该现象为过拟合（overfitting）。 在实践中，我们要尽可能同时应对欠拟合和过拟合。虽然有很多因素可能导致这两种拟合问题，在这里我们重点讨论两个因素：模...

动手学深度学习（1）我这里我们会使用torchvision包，它是服务于PyTorch深度学习框架的，主要用来构建计算机视觉模型。torchvision主要由以下几部分构成：torchvision.datasets: 一些加载数据的函数及常用的数据集接口；torchvision.models: 包含常用的模型结构（含预训练模型），例如AlexNet、VGG、ResNet等；torchvi...

什么是PyTorch？PyTorch是一个基于python的科学计算包，主要定位两类人群：NumPy的替代品，可以利用GPU的性能进行计算深度学习研究平台拥有足够的灵活性和速度PyTorch的安装（cpu版）因为没有安装cuda所以这里我就只安装了CPU版本的，安装参考网站：https://pytorch.org/按照图片最下面一行在annoconda命令窗口敲就行，我这里是使用...

Pytorch实现线性回归线性回归是机器学习入门知识，应用十分广泛。线性回归利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的，其表达形式为y=wx+b+e，e为误差服从均值为0的正态分布。首先让我们来确认线性回归的损失函数：然后利用随机梯度下降法更新参数w和b来最小化损失函数，最终学得和的数值。...

import torchfrom torch import nnfrom torch.autograd import Variableimport matplotlib.pyplot as pltimport numpy as np#假数据n_data = torch.ones(100,2)x0 = torch.normal(2*n_data,1) #数据类型：tensor,sha...