Pytorch在Pandas上的应用

最新推荐文章于 2025-05-13 00:56:09 发布

原创

最新推荐文章于 2025-05-13 00:56:09 发布 · 2.1k 阅读

8 ·

CC 4.0 BY-SA版权

本文探讨了如何将Pandas数据转换为Pytorch格式，并介绍了利用Pytorch构建多层神经网络的方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文主要针对Pandas处理数据之后，采用Pytorch处理数据的做法。

Pandas转torch

train=torch.tensor(train.values)#将pandas转torch
train=train.to(torch.float32)#将torch中的类型转化为float，因为有时pandas中格式不统一

构造多层神经网络

import torch
import torch.nn.functional as F
class Net(torch.nn.Module):
    def __init__(self,n_features,n_hidden_1,n_hidden_2,n_output): #构造函数
        #构造函数里面的三个参数分别为，输入，中间隐藏层处理，以及输出层
        super(Net,self).__init__() #官方步骤
        self.l1=torch.nn.Linear(n_features, n_hidden_1)
        self.l2=torch.nn.Linear(n_hidden_1,n_hidden_2)
        self.l3=torch.nn.Linear(n_hidden_2,n_output)

    def forward(self,x):  #搭建的第一个前层反馈神经网络  向前传递
        x = F.relu(self.l1(x))# 激活函数，直接调用torch.nn.functional中集成好的Relu
        x=F.relu(self.l2(x))
        x = self.l3(x)  #此行可预测也可以不预测
        return x
net = Net(n_features,70,70,1)

optimizer = torch.optim.SGD(net.parameters(),lr=0.01)
loss_func = torch.nn.MSELoss() #使用均方差处理回归问题