Kstheme的博客

思路：首先建立一个数据集，该数据集是由两种不同类型的数据拼接而成的。然后建立神经网络，通过训练神经网络来使其分类误差减小，最后可视化结果。建立数据集import torchimport matplotlib.pyplot as pltn_data = torch.ones(100,2)x0 = torch.normal(2*n_data, 1)y0 = torch.zeros(100...

创建数据import torchimport torch.utils.data as Dataimport torch.nn.functional as Fimport matplotlib.pyplot as plttorch.manual_seed(1)LR = 0.01BATCH_SIZE = 32EPOCH =12x = torch.unsqueeze(torch....

MNIST手写数据import torchfrom torch import nnimport torchvision.datasets as Dataimport torchvision.transforms as transformsimport matplotlib.pyplot as plttorch.manual_seed(1)EPOCH = 1BATCH_SIZE =...

RNN的弊端之前我们说过，RNN是在有顺序的数据上进行学习的。为了记住这些数据，RNN会像人一样产生对先前发生事件的记忆。不过一般形式的RNN就像一个老爷爷，有时候比较健忘。为什么会这样呢？想象现在有这样一个RNN，他的输入值是一句话：“我今天要做红烧排骨, 首先要准备排骨, 然后…., 最后美味的一道菜就出锅了”。现在请RNN来分析，我今天做的到底是什么菜呢。RNN可能会给出“辣子鸡”这...

RNN的用途上图说明，对于预测，顺序排列是多么重要。我们可以预测下一个按照一定顺序排列的字，但是打乱顺序，我们就没办法分析自己到底在说什么了。序列数据我们想象现在有一组序列数据data 0,1,2,3.在当预测results0的时候，我们基于的是data0，同样在预测其他数据的时候，我们也都只单单基于单个的数据。每次使用的神经网络都是同一个NN。不过这些数据是有关联顺序的，就像在厨房做菜...

思路：首先建立一个数据集用来拟合函数，要拟合函数我们就需要建立一个神经网络，建立好神经网络后，我们再通过训练网络来减小神经网络拟合函数的误差，最后再可视化拟合过程。建立数据集我们创建一个一元二次函数：y=a*x^2 + b, 我们给y数据加上一点噪声来更加真实的展示它。import torchimport matplotlib.pyplot as plt #可视化函数库x = torc...

优化器有以下几种：Stochastic Gradient Descent(SGD)MomentumAdaGradRMSPropAdam越复杂的神经网络，越多的数据，我们需要在训练神经网络的过程上花费的时间也就越多。原因很简单，就是因为计算量太大了。可是往往有时候为了解决复杂的问题，复杂的结构和大数据又是不能避免的，所以我们需要寻找一些方法，让神经网络聪明起来，快起来。Stocha...

批训练，即把完整数据分成数批分别进行训练。DataLoaderimport torchimport torch.utils.data as Datatorch.manual_seed(1)BATCH_SIZE = 5x = torch.linespace(1, 10, 10)y = torch.linespace(10, 1, 10)#转换成torch能识别的Dataset...

保存有两种：第一种是保存整个神经网络，第二种是保存神经网络参数。提取也是有两种：第一种是提取整个神经网络（网络大时会比较慢），第二种是提取神经网络参数。第二种的前提是有一个要构建一个相同的神经网络。import torchimport matplotlib.pyplot as plt# torch.manual_seed(1) # reproducible# fake dat...

用简单方式搭建神经网络原始搭建法：class Net(torch.nn.Module): def __init__(self, n_feature, n_hidden, n_output): super(Net, self).__init__() self.hidden = torch.nn.Linear(n_feature, n_hidden) ...

不了解卷积神经网络的，看这篇：一文教你读懂pytorch+CNN莫烦pytorch 什么是卷积神经网络CNN（Convlutinoal Neural Network）我们了解了卷积神经网络之后，开始用python实现该网络，并可视化训练数据。MNIST手写数据该数据是一个官方数据，数据中的图片都是手写的数字，这些数据就是我们训练cnn的数据。import torchimport to...

卷积神经网络是一种人工神经网络结构，因为利用卷积神经网络在图像和语音识别方面能够给出更优预测结果，这一技术也被广泛的传播可应用。卷积神经网络最常被应用的方面是计算机的图像识别，不过因为不断地创新，它也被应用在视频分析，自然语言处理，药物发现，等等。卷积 和 神经网络什么是卷积神经网络？我们可以把这个词拆开成为“卷积”和“神经网络”。卷积也就是说神经网络不再是对每个像素的输入信息做处理了，而是图...