- 博客(10)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 Pytorch深度学习入门--CNN基础
比如我们在模型训练时我们就记录下每个batch下的均值和方差，待训练完毕后，我们求整个训练样本的均值和方差期望值，作为我们进行预测时进行BN的的均值和方差。5.输出y通过γ与β的线性变换得到原来的数值在训练的正向传播中，不会改变当前输出，只记录下γ与β。卷积完成的是 对图像特征的提取或者说信息匹配，当一个包含某些特征的图像经过一个卷积核的时候，一些卷积核被激活，输出特定信号。卷积是指将卷积核应用到某个张量的所有点上，通过将卷积核在输入的张量上滑动而生成经过滤波处理的张量。批标准化一种训练优化方法。
2024-06-30 20:28:05
291
原创 Pytorch深度学习入门--MNIST手写数据集多分类
是pytorch框架中用来处理图像和视频的一个辅助库，属于Pytorch项目的一部分。提供了一些常用的数据集、模型、转换函数等等。为了统一数据加载和处理代码，PyTorch提供了两个类，用以处理数据加载，分别是和torch.util.data.DataLoader类通过这两个类可使我们的数据集加载和预处理代码与模型训练代码脱钩，从而获得更好的代码模块化和代码可读性torchvision 加载的内置图片数据集均继承自类因此我们可直接使用加载的内置数据集创建DataLoader。
2024-06-29 10:43:47
211
原创 Pytorch深度学习入门--优化函数、学习速率与反向传播算法
是用于训练机器学习模型的算法，用于调整模型的参数以最小化（或最大化）一个定义良好的目标函数——损失函数或成本函数（Loss/Cost Function）。优化函数通过迭代的方式，根据模型的预测输出和真实标签之间的差异，逐步更新模型参数，使得模型能够更好地拟合训练数据并在未见过的数据上表现良好。
2024-06-29 09:44:40
296
原创 Pytorch深度学习入门--多层感知器HR数据集 人力资源 2分类是否离职
【代码】Pytorch深度学习入门--多层感知器HR数据集 人力资源 2分类是否离职。
2024-06-28 14:16:39
273
原创 Pytorch深度学习入门--实现简单的逻辑回归问题
交叉熵刻画的是实际输出（概率）与期望输出（概率）的距离，也就是交叉熵的值越小，两个概率分布就越接近。用nn.BCELoss() 来计算二元交叉熵。
2024-06-27 13:57:36
435
原创 Pytorch深度学习入门--张量与基本数据类型
Pytorch最基本的操作对象是Tensor(张量)，它表示一个多维矩阵，张量类似于Numpy的ndarrays，张量可以在上使用以加速计算。
2024-06-27 11:57:02
296
原创 Pytorch深度学习入门--实现简单的线性回归
f(x) = w*x +b使用f(x)这个函数来映射输入特征和输出值目标：预测函数f(x)与真实值之间的整体误差最小如何做到呢？需要用到损失函数：使用均方差作为成本函数，也就是预测值和真实值直接差的平方取均值。优化的目标(y_pred):找到合适的w和b，使得(f(x)−ypred)2(f(x) - y_{pred})^2(f(x)−ypred)2 越小越好注意： 现在的目标就是求解参数w和b如何求解呢？使用梯度下降算法首先我们先导入包然后读取我们的数据集data.info()
2024-06-27 10:26:39
257
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人