Pytorch深度学习——不同激活函数处理多维特征的输入(B站刘二大人P7作业)

PyTorch学习(六)--处理多维特征的输入 教程视频:https://www.bilibili.com/video/BV1LE411s7jD 通过前几期视频的学习,我们知道了关于一维特征的输入(也就是只有一个x)应该如何处理?但事情往往并不那么简单。比如下图这个预测一个人在一年之后得糖尿病的概率的例子,这个时候我们的输入将会有很多的指标。你可以把它看成是我们体检的各种值。最后一排的外代表了他是否会得糖尿病。 那么多维的特征输入应该怎么办呢... 阅读详情

 作业内容:采用不同的激活函数进行训练,并画出不同激活函数的损失曲线进行比较。

 

 PyTorch提供的激活函数有很多,具体可以从以下链接查看:

torch.nn — PyTorch 2.0 documentation


  •  Hardsigmoid:
torch.nn.Hardsigmoid()

 激活公式如下:

 训练的损失曲线如下:

 ​​​​​


  • Sigmoid
torch.nn.Sigmoid()

 激活公式如下:

 训练的损失曲线如下:


  •  ReLU
torch.nn.ReLU()

 激活公式如下:

训练的损失曲线如下:


  • Softplus
torch.nn.Softplus()

 激活公式如下:

训练的损失曲线如下:

       按照老师讲的方法使用其他激活函数的时候总是出现以下报错,不知道为什么,是因为这个激活函数不适合此次训练吗?有大佬可以指点一下吗。

《Pytorch深度学习实践》P7 处理多维特征的输入 笔记+代码:element-wise的理解、激活函数、代码和改进 阅读详情

相关推荐

深度学习-处理多维度特征的输入 -Multiple Dimension Input-自用笔记6

深度学习-处理多维度特征的输入 -Multiple Dimension Input-自用笔记6 多维度特征的数据集 每一行代表一个样本,每一列代表一重要特征Feature 一个样本特征多个的计算图如图所示 多个样本多个特征的计算图如图所示 模型采用一层线性函数self.linear = torch.nn.Linear(8, 1),函数的输入的特征维度为8,输出的维度为1,如下图 若线性层函数采用输入的特征维度为8,输出的维度为2,如下图: 若线性层函数采用输入的特征维度为8,输出的维度为6,如

qq_42764492的博客 7564

【PyTorch】教程:torch.nn.Hardsigmoid

原型参数定义Hardsigmoid(x)={0if x≤−3,1if x≥+3,x/6+1/2otherwise \text{Hardsigmoid}(x) = \begin{cases} 0 & \text{if~} x \le -3, \\ 1 & \text{if~} x \ge +3, \\ x / 6 + 1 / 2 & \text{otherwise} \end{cases} Hardsigmoid(x)=⎩⎨⎧​01x/6+1/2​if x≤−3,if x≥+3,otherwise​图代码 【

1316

pytorch深度学习实践-多维特征输入0106

目录 1、多维特征的输入实践-糖尿病数据预测 2、torch.nn.BCELoss相关参数含义 3、更换激活函数对比效果 1、多维特征的输入实践-糖尿病数据预测 import numpy as np import torch import matplotlib.pyplot as plt # prepare dataset xy = np.loadtxt('diabetes.csv', delimiter=',', dtype=np.float32) # 创建两个tensor x_data =

weixin_49747347的博客 1295

【Python】AttributeError: module ‘torch.nn‘ has no attribute ‘HardSigmoid‘

AttributeError: module 'torch.nn' has no attribute 'HardSigmoid' 这个错误是因为PyTorch的torch.nn模块中并没有HardSigmoid这个函数。是拼写的大小写问题,换成`nn.Hardsigmoid()`即可。

不定时分享,互相学习,共同进步 1526

Aurora8b10b光口通信实战:复位时序与IP核配置详解

本文深入解析了Aurora 8B10B协议在FPGA高速光口通信中的核心实践,重点剖析了确保链路稳定启动的关键复位时序与IP核配置细节。通过详解全双工与单工模式下的复位流程、Vivado中IP核的物理层与链路层参数设置,并结合用户逻辑设计实例,为工程师实现可靠的高速数据传输提供了清晰的实战指南。

weixin_29280219的博客 177

SpringBoot实现电子发票生成

电子发票是近年来比较流行的一种票据形式,它取代了以往传统的纸质发票,具有减少纸张浪费、方便有效查验等优点。本文将介绍如何使用Spring Boot和Vue.js构建一个仿真电子发票生成应用程序,借助微信二维码扫描功能和第三方库,实现用户扫描二维码获取发票信息并填写相关开票信息,最后生成电子发票。在本文中,我们介绍了如何使用Spring Boot和Vue.js构建一个仿真电子发票生成应用程序,借助微信二维码扫描功能和第三方库,实现用户扫描二维码获取发票信息并填写相关开票信息,最后生成电子发票。

不愧是暮言的博客 6092

简单易懂的PyTorch激活函数大全详解

本文综合概述了PyTorch框架中一系列关键的激活函数,从经典的ReLU到前沿的GELU和Mish,探讨了它们的数学定义、特点及实际应用。通过各函数对输入数据的不同处理方式,文章揭示了如何通过激活函数为神经网络模型注入非线性动力,以及它们在深度学习中的核心作用。从Sigmoid的平滑概率转换到GLU的复杂数据门控,这些激活函数是构建高效、稳健机器学习模型的基石,同时它们的多样性和特定应用场景为深度学习的进步提供了广阔空间。

CDBmax的博客 4866

【Unity】Unity 跨平台及编译过程

早期的Unity跨平台是基于MONO运行时的,又通过CLS实现了跨语言。其基本思路是将各个版本的语言统一编译成CIL语言,在不同平台运行时使用CLR进行解释。有点类似于Java的jdk和jvm。 CLS(Common Language System)通用语言规范:CLS是一种规范,类似于schema,当文件被指定遵守CLS规范后,在某语言中写出不符合通用规范的代码后将被警告或报错。 MONO是一个开源工程,其中包含C#编译器,CLR运行时,以及一组类库。该工程常见了一系列符合ECMA标准的.NET工具,MO

一个普普通通的游戏开发者 7237

Pytorch激活函数最全汇总

为了更清晰地学习Pytorch中的激活函数,并对比它们之间的不同,这里对最新版本的Pytorch中的激活函数进行了汇总,主要介绍激活函数的公式、图像以及使用方法,具体细节可查看官方文档。

ting_qifengl的博客 1万+

大数据面试题(附答案,持续更新...)

说说对hadoop的理解,都有哪些组件,分别是干什么的 还了解大数据其他组件嘛? kafka在什么地方需要用到zookeeper 了解HBase吗? 说下spark中的transform和action 为什么spark要把操作分为transform和action spark中有了RDD,为什么还要有Dataframe和DataSet? 了解函数式编程吗?说下c/c++和scala这种函数式编程语...

xiaozhaoshigedasb的博客 9947

使用HART Server PC软件进行HART设备的组态、调试和分析的完整指南

HART协议是一种用于工业自动化中的双向通信协议,能够在4-20mA模拟信号的基础上叠加数字信号,从而实现设备的远程监控和管理。HART协议兼具模拟和数字通信的优点,被广泛应用于过程控制系统中。设备组态:通过软件可以对HART设备进行组态,配置设备参数。设备调试:支持设备的在线调试和故障诊断,方便快速解决问题。数据分析:提供设备运行数据的实时监控和历史数据分析功能。报表生成:支持生成各类报表,便于数据记录和管理。

qq_38334677的博客 2469

hard sigmoid激活函数

hard sigmoid公式如下: 优点:计算速度比sigmoid快,因为没有指数运算。

qq_43258953的博客 5971

133.在 Vue3 中使用 OpenLayers 实现画多边形、任意编辑、遮罩与剪切处理功能

《Vue3+OpenLayers实现多边形绘制与区域处理》摘要:本文介绍如何基于Vue3+OpenLayers+ol-ext实现地图多边形交互功能。核心功能包括:鼠标绘制任意多边形、拖动顶点编辑边界、遮罩显示(非选区变红)、选区剪切显示及功能重置。技术方案采用OpenLayers处理地图渲染,ol-ext实现高级遮罩/剪切效果,ElementPlus提供UI控件。该方案适用于城市规划、园区展示等需要区域标记的场景,完整代码展示了从初始化、绘制、编辑到特效处理的全流程实现。

小彭的博客 961

Pytorch深度学习——处理多维度特征的输入(B站刘二大人P7学习笔记)

每一行叫记录、分类,每一列叫特征、字段, 二维关系表 X1~X8的值构成一个矩阵,Y构成一个矩阵,就完成输入的数据集 Y表示未来一年,糖尿病病情是否会加重 模型的改变 图片 八个特征每一个取值都和一个权重相乘,在家一个偏置量 Pytorch提供的Sigmoid函数是一个按照向量内每个元素计算的函数(Sigmoid function is in an element-wise dashion.) 代码的改变 为什么要把方程运算转换成矩阵运算? 把方程运算转换成矩阵这种向量化的运算之后,可.

Learning_AI的博客 8047

【教程4>第5章>第23节】基于FPGA的Gardner环实现——环路滤波器模块和Gardner环整体测试

1]黄凌.基于FPGA的QPSK全数字调制解调系统的设计与实现[D].南京航空航天大学[2025-02-02].DOI:10.7666/d.d166927.注意,这里包括一个NCO模块,一个内插模块,一个时偏误差检测模块,一个环路滤波器模块,在gardner环中,wk的反馈输入,变量为ww,从而构成了闭环。[4]李司.基于FPGA的数字接收机同步技术的研究与实现[D].北京交通大学[2025-02-02].DOI:10.7666/d.y1082455.:调整NCO的相位步长,控制采样时刻。

FPGA/MATLAB学习教程/源码/项目合作开发 853

【Unity动画优化插件】BT - OptiAnimX —— AAA级动画优化框架深度剖析

BT - OptiAnimX 是一款面向 Unity 的高性能动画优化框架,核心目标是解决多角色动画场景中的性能瓶颈问题。该插件对标《战争机器5》和《巫师3》等 AAA 游戏中的动画优化技术,通过一整套自动化与智能化的优化策略,将动画性能提升与视觉质量控制结合在一起。它适用于从移动端、VR 到高端 PC 的多平台项目,尤其在“多人角色 + 高频动画”的场景中表现突出,例如 MMO、开放世界、动作游戏等。BT - OptiAnimX 本质上是一套“动画性能调度系统”,而不仅仅是优化工具。

2403_88403568的博客 433

【B站_刘二大人pytorch深度学习实践】笔记作业代码合集

手动训练:线性模型,梯度下降,BP Pytorch框架训练:线性回归,LogisticRegression,多维特征输入,加载数据集,多分类,CNN,RNN

m0_58586235的博客 3840

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

使用PyTorch处理多维特征输入的完美指南

这就是使用PyTorch处理多维特征输入的基本流程。当然,实际应用中,你可能需要更复杂的神经网络结构,更大的数据集,以及更多的调优和正则化技巧。但这个指南可以帮助你入门如何处理多维特征输入的问题,并利用PyTorch构建强大的深度学习模型。希望这篇博客对你有所帮助!挑战与创造都是很痛苦的,但是很充实。

null18的博客 2833

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

SIMATIC S7-1200, S7-1500 PID 控制[手册]

SIMATIC S7-1200, S7-1500 PID 控制[手册]

刘二大人 PyTorch深度学习实践 笔记 P7 处理多维特征的输入

刘二大人 PyTorch深度学习实践 笔记 P7 处理多维特征的输入

qq_44948213的博客 1744

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

Pytorch深度学习实践笔记7(b站刘二大人)

上述实验,我使用Adam前期可以比较迅速的收敛,使得loss收敛迅速,并且没有过拟合,一般Adam由于其特性出现过拟合的概率比SGD高。我用SGD优化器训练,训练了100万次才勉强达到Adam的1万次结果,由此可以看出Adam的收敛速度比SGD快很多,但是由于SGD的噪声比较大,而且其每次计算一个梯度或者一小批量的梯度,使得泛化能力强,适应于大型数据的训练中。

发狂的小花的博客 1349

Pytorch深度学习——Kaggle网站中泰坦尼克号作业(B站刘二大人P8作业)

Kaggle网址如下:泰坦尼克号 - 来自灾难|的机器学习卡格尔 (kaggle.com) 作业描述:

Learning_AI的博客 5711

pytorch 深度学习实践 第7讲 处理多维特征输入

本文从logistic 回归模型来讲解了多维特征输入的处理,具体内容包括多维logistic的模型讲解,生成多层神经网络的简单原理和过程,以及最后的代码实现。

晓木木的博客 827

刘二大人Pytorch课程笔记

刘二大人pytorch笔记

qq_45114168的博客 2882

刘二大人《PyTorch深度学习实践》p7处理多维特征的输入

机器学习的学习能力并不是越强越好,它可能会过度关注训练数据中的细节和噪声,而无法捕捉到普遍的模式和规律,训练集里面的噪声和真实应用场景的噪声不是一样的。是PyTorch中的一个函数,用于将NumPy数组转换为对应的PyTorch张量tensor。是NumPy库中的一个函数,用于从文本文件中加载数据,并将其转化为NumPy数组的形式。x_data是数据的前8个特征的所有值,y_data是每一个样本输出的预测结果。我觉得这节的理论学习注重的是线性代数的矩阵变化。,返回数组的类型为32位的浮点数。

xzrrr的博客 563

PyTorch深度学习实践概论笔记7-处理多维特征的输入

单维:输入x是一个实数 多维输入:x有多个不同的特征,预测对应的分类 对于回归问题:输出值y是一个实数 对于分类问题:输出y属于一个离散的集合 Diabetes Dataset 对于上面这个数据集,在机器学习中每一行叫做一个样本,每一列叫做一个特征。在数据库中,每一行叫做一个记录,每一列叫做一个字段。 Multiple Dimension Logistic Regression Model 在机器学习里面,拿到数据表之后,把内容分成两部分,一部分作为输入x,另一部分作为输入y...

csdn_xmj的博客 2406

PyTorch 深度学习实践 第7讲

第7讲 处理多维特征的输入源代码 B站 刘二大人,传送门PyTorch深度学习实践——处理多维特征的输入 视频中截图 说明:1、乘的权重(w)都一样,加的偏置(b)也一样,只有行向量是不同的。b变成矩阵时使用广播机制。 2、学习能力越强,有可能会把输入样本中噪声的规律也学到。我们要学习数据本身真实数据的规律,学习能力要有泛化能力。 import numpy as np import torch import matplotlib.pyplot as plt # p...

bit452的专栏 3万+
上一篇: Pytorch深度学习——处理多维度特征的输入(B站刘二大人P7学习笔记)
下一篇: Pytorch深度学习——用Mini-Batch训练数据(B站刘二大人P8学习笔记)
评论 4
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

学习CV的研一小白

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值