将训练数据交给自己搭建的神经网络进行训练,得到的参数保存起来,然后再利用验证数据集进行验证,查看损失函数的大小和精度的大小(当然,训练过程中也是可以看到的)。具体参数是如何得到的不需要我们考虑,因为这些是底层的东西。损失函数的大小和精度的大小是通过调用已经有的方法来做到的,因此也不需要考虑如何实现的,用现有的即可。
张量(Tensor):在Pytorch中,可以是一个标量,一个向量,一个矩阵,一个更高维的数组。
torch:用于神经网络的搭建和训练。
torchvision:是深度学习相关的库,可以使用其中的数据。
matplotlib:图像可视化库。
NumPy(Numerical Python) 是 Python 语言的一个扩展程序库,支持大量的维度数组与矩阵运算,也针对数组运算提供大量的数学函数库。
pandas是一个强大的分析结构化数据的工具集;它的使用基础是Numpy(提供高性能的矩阵运算);用于数据挖掘和数据分析,同时也提供数据清洗功能。
sklearn.preprocessing:用于数据标准化预处理。
sklearn.model_selection:用于数据集的切分。
sklearn.metrics:用于评价模型的预测效果。
sklearn.manifold:用于数据的降维与可视化。
nltk:对文本进行清洗等预处理。
torchtext:将清洗后的文本处理为Pytorch可使用的张量数据形式。
全连接神经网络:只有三层,输入层,隐藏层,输出层,隐藏层可以有多层。该神经网络中ÿ