- 博客(7)
- 收藏
- 关注
RSS订阅原创 Pytorch深度学习入门（笔记）（4）
在读取数据时一般有两种方法，一种是直接将所有的数据加载到dataset，这里一般用于数据较少的情况。在数据较大或较多时，应使用文件名索引的方式进行加载。在这里需定义一个新的类，用于加载数据集。为保证泛化能力和计算速度，使用mini-banch方法时，仅用数据集中的一部分进行训练。这有需要调用pytorch的API接口，使用dataloader进行数据选择。
2024-04-07 21:27:26
135
原创 Pytorch深度学习入门（笔记）（3）
如图所示，每一横行 是一个样本，每一竖行代表一种特征。由于每次输入的是一个矩阵【n*8】,因此处理如图这样的二分类问题，不能直接使用一层的线性模型。一层的线性模型叫浅层学习，属于经典机器学习，但存在无法拟合异或运算的缺陷，因此采用带激活函数的多层神经网络。在输入该数据时，x用x1-x8这8列数据进行训练，语法表示为【：，：-1】即所有行，所有列除最后一列。而y加载最后一列数据【：，【-1】】所有行，仅最后一列并用矩阵表示。
2024-04-01 21:52:37
483
原创 Pytorch深度学习入门（笔记）（2）
类似于手写数字识别这类，得出的预测值属于一个有限离散集合的问题，属于分类问题。不同类之间属于类别差异而不是数值差异，因此不能直接用简单的线性模型进行处理。分类问题的实质是求概率。各类别的概率之和应为1.
2024-03-31 16:38:42
540
1
原创 Pytorch深度学习入门（笔记）（1）
计算图是一种用于实现复杂权重的矩阵运算的工具图。如公式用计算图可表达为其中输入和输出中间的部分被称为层。每一个添加新权重的计算被称为一层。在实际应用之中，为保证层的有效性，一般在每层的线性运算后在对矩阵的每一个元素进行一次非线性函数变换，使其无法将参数划一。
2024-03-22 23:12:15
221
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人