d2l-softmax实现流程

最新推荐文章于 2024-09-18 13:06:00 发布

原创

最新推荐文章于 2024-09-18 13:06:00 发布 · 425 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习 #python #深度学习

在softmax中从新讲解一下传入传出各个输出量是什么

数据读取

  读取函数没什么好说的，就加了一个选择resize类，这个地方dataloader后是输出两个返回值，第一个为四维张量，表示为([bs，c，w，h])；第二个为一维张量标签，表示为([bs]),里面的数为对应各个图片的类别标签。这也是后续迭代中，X，y分别是什么。

for X, y in train_loader:

def load_data_fashion_mnist(batch_size, resize=None):  # @save
    """下载Fashion-MNIST数据集，然后将其加载到内存中"""
    trans = [transforms.ToTensor()]
    if resize:
        trans.insert(0, transforms.Resize(resize))
        # transforms.Resize：调整PILImage对象的尺寸。transforms.Resize([h, w])或transforms.Resize(x)等比例缩放
    trans = transforms.Compose(trans)  # 串联多个图片变换的操作
    mnist_train = torchvision.datasets.FashionMNIST(
        root="../data", train=True, transform=trans, download=False)
    mnist_test = torchvision.datasets.FashionMNIST(
        root="../data", train=False, transform=trans, download=False)
    return (data.DataLoader(mnist_train, batch_size, shuffle=True,
                            num_workers=get_dataloader_workers()),
            data.DataLoader(mnist_test, batch_size, shuffle=False,
                            num_workers=get_dataloader_workers()))

定义累加工具

前面讲过了：

class Accumulator:
    """For accumulating sums over `n` variables."""

    def __init__(self, n):
        """Defined in :numref:`sec_softmax_scratch`"""
        self.data = [0.0] * n

    def add(self, *args):
        self.data = [a + float(b) for a, b in zip(self.data, args)]

    def reset(self):
        self.data = [0.0] * len(self.data)

    def __getitem__(self, idx):