PyTorch 深度学习实践 第7讲

本文介绍了如何使用PyTorch构建一个三层神经网络,处理8维输入数据并通过sigmoid激活函数进行非线性转换,讲解了权重和偏置的处理方式,并演示了训练过程及模型参数查看。同时讨论了学习能力的泛化问题和评估指标的改变。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

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。b变成矩阵时使用广播机制。神经网络的参数w和b是网络需要学习的,其他是已知的。

          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。

         3、该神经网络共3层;第一层是8维到6维的非线性空间变换,第二层是6维到4维的非线性空间变换,第三层是4维到1维的非线性空间变换。

         4、本算法中torch.nn.Sigmoid() # 将其看作是网络的一层,而不是简单的函数使用 

         5、torch.sigmoid、torch.nn.Sigmoid和torch.nn.functional.sigmoid的区别

import numpy as np
import torch
import matplotlib.pyplot as plt

# prepare dataset
xy = np.loadtx
评论 115
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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