L_halley的博客

这是在李宏毅的2020机器学习做作业3的时候，发现要用到torch，所以去临时学的一门课程，顺便记录下课程的代码 知识点补充 zip（）函数的用法 zip函数的原型为：zip([iterable, …]) 参数iterable为可迭代的对象，并且可以有多个参数。 该函数返回一个以元组为元素的列表， 其中第 i 个元组包含每个参数序列的第 i 个元素。返回的列表长度被截断为最短的参数序列的长度。 只有一个序列参数时，它返回一个1元组的列表。没有参数时，它返回一个空的列表。 原文链接：https://blog

完整代码 import torch from torchvision import transforms from torchvision import datasets from torch.utils.data import DataLoader import torch.nn.functional as F import torch.optim as optim #1、准备数据集 batch_size = 64 transform = transforms.Compose([transforms

泰坦尼克号生存预测 题目原址：https://www.kaggle.com/c/titanic 有能力的可以去看看题目先 数据包括三个文件 完整代码 import torch from torch.utils.data import Dataset,DataLoader import numpy as np import pandas as pd import torch.nn.functional as F class Train_Titanic(Dataset): def __init__(s

pytorch手写实现数字辨识 知识点补充 1、准备数据集 transform = transforms.Compose([ #撰写转换器 transforms.ToTensor(), #数据转为向量 transforms.Normalize((0.1307,), (0.3801, )) #将像素值规格化在(0, 1)之间，前者为均值，后者为方差，这两个值是在图像处理上经过大量数据得到的普遍值 ]) train_dataset = datasets.MNIST( root =

用pytorch实现预测是否会患糖尿病 知识点补充 train_loader = DataLoader(dataset=dataset, batch_size=32, shuffle=True, num_workers=8) dataset:数据集 batch_size:一个batch里包含的样本数 shuffle:是否需要打乱顺序，一般训练集为保证随机性要打乱顺序，而测试集为了保证输出结果的直观性不打乱 num_worker:多线程使用的线程个数，一般设置为4或者8，注意在windows环境下，多

知识点补充 torch.nn.BCELoss(size_average=False) 求交叉熵的函数 实现的步骤 prepare dataset 准备数据集 design model using class 使用类来设计模型 constuct loss and optimizer 创建loss 和优化器 taining cycle 循环训练 斜体样式整体与linear的实现差不多，就把y^和loss fuction 两处做了修改 完整代码 import torch import torch.nn.f