Pytorch深度学习
文章平均质量分 59
Bystarkk
这个作者很懒,什么都没留下…
展开
-
Pytorch深度学习实践(b站刘二大人)_05讲(用Pytorch实现线性回归)
Pytorch Fashion(具有很强的扩展性): 1.准备数据集 2.设计模型 3.构造损失函数和优化器 4.训练周期(前馈、反馈、更新) 在本次代码的编写中,我尝试了很多种优化器的使用,包括 SGD,Adagrad ,Adam ,ASGD, RMSprop ,Rprop,Adamax,以及LBFGS,每个优化器所对应的Loss下降图也会在文章的最后给出。 其中LBFGS的使用和以上其他的优化器有一些不同,LBFGS需要重复多次计算函数,因此你需要传入一个闭包去允许它们重新计算你的模型,这原创 2021-10-02 14:13:29 · 448 阅读 · 0 评论 -
Pytorch深度学习实践(b站刘二大人)_04讲(反向传播)
本节课讲的是反向传播。 课堂代码: #反向传播课上代码 import torch x_data = [1.0, 2.0, 3.0] y_data = [2.0, 4.0, 6.0] w = torch.tensor([1.0]) # w的初值为1.0 w.requires_grad = True # 默认为False,True表示需要计算梯度 def forward(x): return x * w def loss(x, y): y_pred = forward(x)原创 2021-10-02 12:59:42 · 203 阅读 · 0 评论 -
Pytorch深度学习实践(b站刘二大人)_03讲(梯度下降)
刘老师讲的十分细节,易于理解,大家可以去学习,课堂地址,废话不多说,直接上代码。 梯度下降算法课堂代码: # 梯度下降算法 import matplotlib.pyplot as plt x_data = [1.0,2.0,3.0] y_data = [2.0,4.0,6.0] w = 1.0 def forward(x): return x * w #计算损失函数MSE def cost(xs,ys): cost = 0 for x,y in zip(xs,ys):原创 2021-10-02 12:20:23 · 130 阅读 · 0 评论 -
Pytorch深度学习实践(b站刘二大人)_02讲(线性模型)
第二讲 线性模型 本人目前在学习b站上刘二大人的Pytorch深度学习实践的课程,准备通过写博客的方式记录自己学习过程,在希望能够和大家进行交流学习。 下面是课堂教学代码。 import numpy as np import matplotlib.pyplot as plt #给出的模型为y=2x x_data = [1.0,2.0,3.0] y_data = [2.0,4.0,6.0] def forward(x): return x*w def loss(x,y): y_pr原创 2021-10-01 18:33:51 · 224 阅读 · 0 评论