PyTorch
文章平均质量分 58
ScrapingBoy
这个作者很懒,什么都没留下…
展开
-
多分类-mnist数据集-Pytorch实现
多分类-mnist数据集-Pytorch实现model.parameters()for param in model.parameters(): # model.parameters() 返回 generate 迭代器 print(type(param), param.size())out:<class 'torch.nn.parameter.Parameter'> torch.Size([100, 784])<class 'torch.nn.原创 2022-05-19 11:32:06 · 1024 阅读 · 2 评论 -
Pytorch构建自定义数据集并使用神经网络预测
1.构建自定义数据集读取 二维表格 数据df = pd.read_csv(r'data\distance.csv') print(df.head())out: num A0 A1 A2 A3 x y z label0 0 1016.931217 4782.857143 4552.962963 6298.994709 50 50 88 11 1 13原创 2022-05-06 14:15:59 · 2092 阅读 · 0 评论 -
Pytorch构建二维表格自定义数据集
对于二维表格,我们要进行预测,首先就是数据预处理,如何把处理好的数据变换成 Pytorch 所使用的数据集是首要步骤。1.构建自定义数据集torch.utils.data包括了Dataset和DataLoader两个类。torch.utils.data.**Dataset是一个抽象类,不能够直接调用。如果你想自定义数据集的话,就需要继承该类,并实现__len__和__getitem__方法。**前者提供数据的大小,后者通过给定索引获取数据与标签。因为__getitem__一次只能获取一个数据而我们采用的原创 2022-05-05 19:10:18 · 1457 阅读 · 0 评论 -
Pytorch的简单使用
1.加载数据集我们使用 FashionMNIST 数据集。注:FashionMNIST 数据集 是一个定位在比MNIST图片识别问题稍复杂的数据集,它的设定与MNIST几乎完全一样,包含了 10 类不同类型的衣服、鞋子、包等灰度图片。以下实例是多分类问题。使用 TorchVision 数据集# 从开源数据集中下载训练集: 这里使用 FashionMNIST 数据集training_data = datasets.FashionMNIST( root="data", t原创 2022-05-04 20:33:57 · 544 阅读 · 0 评论