qingxuanmingye的博客

【Task2(2天)】设立计算图并自动计算 numpy和pytorch实现梯度下降法 设定初始值 求取梯度 在梯度方向上进行参数的更新 numpy和pytorch实现线性回归 pytorch实现一个简单的神经网络 numpy和pytorch实现梯度下降法 #numpy import numpy as np #构造一个函数 def func(x,y): return (1-x)**2...

【Task4(2天)】用PyTorch实现多层网络 要求： 引入模块，读取数据 构建计算图（构建网络模型） 损失函数与优化器 开始训练模型 对训练的模型预测结果进行评估 import torch import torch.nn.functional as F import pandas as pd import matplotlib.pyplot as plt from torch.autog...

【Task6(2天)】PyTorch理解更多神经网络优化方法 了解不同优化器 书写优化器代码 Momentum 二维优化，随机梯度下降法进行优化实现 Ada自适应梯度调节法 RMSProp Adam PyTorch种优化器选择 梯度下降法： 1.标准梯度下降法：GD 每个样本都下降一次，参考当前位置的最陡方向迈进容易得到局部最优，且训练速度慢 2.批量下降法：BGD 不再是一次输入样本调整一次...

【Task3(2天)】pytorch实现逻辑回归 逻辑回归虽然叫做回归，但是其主要解决分类问题。可用于二分类，也可以用于多分类问题。 由于线性回归其预测值为连续变量，其预测值在整个实数域中。而对于预测变量y为离散值（如0,1等）时候，可以用逻辑回归算法（Logistic Regression） import torch from torch import nn from torch.autog...

PyTorch的基本概念【Task1(2天)】PyTorch的基本概念什么是Pytorch，为什么选择Pytroch？Pytroch的安装配置Python环境准备Python管理器通过命令行安装PyTorchPyTorch基础概念通用代码实现流程(实现一个深度学习的代码流程) 【Task1(2天)】PyTorch的基本概念 要求： 什么是Pytorch，为什么选择Pytroch？ Pytroch...

【Task5(2天)】PyTorch实现L1，L2正则化以及Dropout 了解知道Dropout原理 用代码实现正则化(L1、L2、Dropout） Dropout的numpy实现 PyTorch中实现dropout 了解知道Dropout原理 Dropout是防止过拟合的一种方法（过拟合overfitting指：模型在训练数据上损失函数较小，预测准确率较高；但是在测试数据上损失函数比较大...

【Task7(2天)】手写数字识别 import numpy as np import torch from torch import nn, optim import torch.nn.functional as F from torch.autograd import Variable from torch.utils.data import DataLoader from torchvisi...