2301_76616273的博客

任务 3.3 课程实验要求 （1）手动实现前馈神经网络解决上述回归、二分类、多分类任务l 从训练时间、预测精度、Loss变化等角度分析实验结果（最好使用图表展示）（2）利用torch.nn实现前馈神经网络解决上述回归、二分类、多分类任务 l 从训练时间、预测精度、Loss变化等角度分析实验结果（最好使用图表展示）（3）在多分类任务中使用至少三种不同的激活函数 l 使用不同的激活函数，进行对比实验并分析实验结果（4）对多分类任务中的模型评估隐藏层层数和隐藏单元个数对实验结果的影响l 使用不同的隐藏层

# 循环神经网络实验## 任务内容- 理解序列数据处理方法，补全面向对象编程中的缺失代码，并使用torch自带数据工具将数据封装为dataloader- 分别采用手动方式以及调用接口方式实现RNN、LSTM和GRU，并在至少一种数据集上进行实验- 从训练时间、预测精度、Loss变化等角度对比分析RNN、LSTM和GRU在相同数据集上的实验结果（最好使用图表展示）- 不同超参数的对比分析（包括hidden_size、batch_size、lr等）选其中至少1-2个进行分析

# 一、在多分类任务实验中实现momentum、rmsprop、adam优化器 ## 1.1 任务内容1. 在手动实现多分类的任务中手动实现三种优化算法，并补全Adam中计算部分的内容2. 在torch.nn实现多分类的任务中使用torch.nn实现各种优化器，并对比其效果

# 二维卷积实验## 1.1 任务内容1. 手写二维卷积的实现，并在至少一个数据集上进行实验，从训练时间、预测精 度、Loss变化等角度分析实验结果（最好使用图表展示）（只用循环几轮即可）2. 使用torch.nn实现二维卷积，并在至少一个数据集上进行实验，从训练时间、 预测精度、Loss变化等角度分析实验结果（最好使用图表展示）3. 不同超参数的对比分析（包括卷积层数、卷积核大小、batchsize、lr等）选其 中至少1-2个进行分析

# 一、Pytorch基本操作考察## 1.1 任务内容1. 使用 𝐓𝐞𝐧𝐬𝐨𝐫 初始化一个 𝟏×𝟑 的矩阵 𝑴 和一个 𝟐×𝟏 的矩阵 𝑵，对两矩阵进行减法操作（要求实现三种不同的形式），给出结果并分析三种方式的不同（如果出现报错，分析报错的原因），同时需要指出在计算过程中发生了什么2. ① 利用 𝐓𝐞𝐧𝐬𝐨𝐫 创建两个大小分别 𝟑×𝟐 和 𝟒×𝟐 的随机数矩阵 𝑷 和 𝑸 ，要求服从均值为0，标准差0.01为的正态分布；② 对第二步得到的矩阵