king_ham的博客

MindSpore实现强化学习玩游戏

Training A Classifier训练一个分类器数据来源图像：一般有Pillow,OpenCV声音：scipy和librosa文本：row Python ,Cpython, NLTK, SpaCypytorch对于视觉有torchvision包，包含CIFAR10,MNIST,ImageNet等数据集，本示例使用CIFAR10。CIFAR10包含 ‘airplane’, ‘automobile’, ‘bird’, ‘cat’, ‘deer’, ‘dog’, ‘frog’, ‘horse’

NEURAL NETWORKS神经网络可以通过torch.nn包进行构建。官网一个图像分类的案例神经网络模型如下图：训练神经网络的典型步骤：定义神经网络结构（即模型中可以学习的参数）在输入数据集上进行迭代通过神经网络处理输入计算损失函数（输出的预测值与正确值之间的差异）通过神经网络的参数反向传递梯度值更新神经网络的参数（通常为梯度下降法）一、定义神经网络关于搭建神经网络的模块和损失函数参考官方网址：神经网络模块和损失函数import torchimport torch.nn

关于torch.autograd的介绍torch.autograd在pytorch的神经网络训练时用来自动计算梯度一、背景神经网络是对输入数据进行操作的一堆函数的集合，其中这一堆函数包括的参数为权重和偏差，存储在tensor张量中。可以从李宏毅老师的机器学习视频中学习神经网络的基础知识。训练神经网络时包含两步：前向传递神经网络根据输入数据和这一堆函数，得出预测结果。2.反向传递根据预测的结果调整神经网络中的参数（过程中需要计算梯度，torch.autograd在这里发挥作用）二、在P

TensorTensor张量类似于数组和矩阵，用来表示模型的输入、输出和模型参数，即用来表示模型中的数据。Tensor可以在GPU上加速计算。