PyTorch
关注
分享
扫一扫
文章平均质量分 94
深度学习框架：Pytorch
小叶pyか
21级在读本科生，热爱算法，人工智能和数据分析。写博客是为了记录自己的成长之路和做知识总结。座右铭：永远相信美好的事情即将发生！
展开
-
【PyTorch】第九节：Softmax 函数与交叉熵函数
本实验主要讲解了分类问题中的二分类问题和多分类问题之间的区别，以及每种问题下的交叉熵损失的定义方法。由于多分类问题的输出为属于每个类别的概率，要求概率和为 1 。因此，我们还介绍了如何利用 Softmax 函数，处理神经网络的输出，使其满足损失函数的格式要求。原创 2023-04-17 14:00:00 · 3814 阅读 · 4 评论 -
【PyTorch】第八节：数据的预处理
torchvision.transforms是一个包含了常用的图像变化方法的工具包，该工具包主要用于图像预处理、数据增强等工作之中。本实验，将详细介绍torchvision.transforms中常用的数据处理函数。原创 2023-04-16 21:36:57 · 2053 阅读 · 8 评论 -
【PyTorch】第七节：数据加载器
数据是深度学习的基础，我们解决的大多数深度学习问题都是需要数据的。而每一种深度学习框架都对数据的格式有自己的要求，因此，本实验主要讲解了 PyTorch 对输入数据的格式要求，以及如何将现实中的数据处理成 PyTorch 能够识别的数据集合。原创 2023-04-16 15:00:00 · 816 阅读 · 2 评论 -
【PyTorch】第六节：乳腺癌的预测（二分类问题）
上一个实验我们讲解了线性问题的求解步骤，本实验我们以乳腺癌的预测为实例，详细的阐述如何利用 PyTorch 求解一个非线性问题。原创 2023-04-16 09:22:41 · 3557 阅读 · 2 评论 -
【PyTorch】课堂测试一：线性回归的求解
这个是我们的第一次课堂测试，共有四个挑战，本测试需要你利用前面所学到的 PyTorch 知识，完成线性回归问题的求解，时间为30min。原创 2023-04-15 00:25:50 · 591 阅读 · 0 评论 -
【PyTorch】第五节：损失函数与优化器
在上一节实验中，我们初步完成了梯度下降算法求解线性回归问题的实例。在这个过程中，我们自己定义了损失函数和权重的更新，其实PyTorch 也为我们直接定义了相应的工具包，使我们能够简洁快速的实现损失函数、权重的更新和梯度的求解。原创 2023-04-14 20:30:47 · 900 阅读 · 0 评论 -
【PyTorch】第四节：梯度下降算法
本实验主要对梯度下降算法的基本原理进行了讲解，然后使用手写梯度下降算法解决了线性回归问题。最后对 PyTorch 中的反向传播函数进行了讲解并利用该函数简明快速的完成了损失的求导与模型的训练。原创 2023-04-13 13:00:00 · 573 阅读 · 0 评论 -
【PyTorch】第三节：反向传播算法
反向传播算法是训练神经网络的最常用且最有效的算法。本实验将阐述反向传播算法的基本原理，并用 PyTorch 框架快速的实现该算法。原创 2023-04-13 08:30:00 · 1271 阅读 · 0 评论 -
【PyTorch】第二节：梯度的求解
本实验首先讲解了梯度的定义和求解方式，然后引入 PyTorch 中的相关函数，完成了张量的梯度定义、梯度计算、梯度清空以及关闭梯度等操作。原创 2023-04-12 21:00:00 · 1977 阅读 · 0 评论 -
【PyTorch】第一节：张量（Tensor）的定义
PyTorch 中的所有操作都是在张量的基础上进行的，本实验主要讲解了张量定义和相关张量操作以及 GPU 和张量之间的关系，为以后使用 PyTorch 进行深度学习打下坚实的基础。原创 2023-04-12 13:56:42 · 3528 阅读 · 2 评论