· Ich liebe Dich

- [ ] argparse- [ ] append() 和 entend()- [ ] model.train() 和 model.eval()- [ ] pickle.dump() 和 pickle.load()一、argparse1、定义：argparse是python标准库里面用来处理命令行参数的库2、代码：import argparse # 首先导入模块pa...

一、优化器Optimizer 加速神经网络训练（Speed Up Training）  越复杂的神经网络 , 越多的数据 , 使得在训练神经网络时花费的时间也就越多。 原因很简单, 是因为计算量太大了，所以我们需要寻找一些方法, 让神经网络的训练快起来。1、Stochastic Gradient Descent (SGD)  把数据分成小批小批的，然后再分批进行计算。每次使用批数据，虽然不能...

目的：  我们可以把数据全扔进去当作一批（Full Batch Learning), 也可以把数据分为好几批，分别扔进去Learning Model。分批训练，一是更好的处理非凸的损失函数；二是合理利用内存容量。DataLoader  DataLoader 是 torch 中用来包装数据的工具，所以需要将自己的其他数据形式转换成 Tensor ，然后再放入这个包装器中，可以帮助有效的迭代。...

目的：训练好了一个模型, 但是想要留到下次用，那么把模型保存下来就是最棒的选择！保存网络1、采用回归的神经网络举例实现保存提取。# 假数据x = torch.unsqueeze(torch.linspace(-1, 1, 100), dim=1) # x data (tensor), shape=(100, 1)y = x.pow(2) + 0.2*torch.rand(x.size...

目的：用更简单的方式去搭建同样的回归神经网络。【2.1 Regression 回归】快速搭建：1、回顾一下【2.1】的搭建方法，用 class 继承了一个 torch 中的神经网络结构，并对其进行了修改。class Net(torch.nn.Module): def __init__(self, n_feature, n_hidden, n_output): sup...

目的：研究神经网络是如何进行事物的分类。步骤1：建立数据集首先创建一些假数据来模拟真实的情况，例如用两个均值不同的二次分布的数据。import torchimport matplotlib.pyplot as plt# 假数据n_data = torch.ones(100, 2) # 数据的基本形态x0 = torch.normal(2*n_data, 1) ...

目的：研究神经网络是如何通过简单的形式将一群数据用一条线条来表示，即如何在数据中找到他们之间的关系，然后用神经网络模型来建立一个可以代表其关系的线条。步骤1：建立数据集首先创建一些假数据来模拟真实的情况，例如使用一个二元函数：y = a*x^2+b；并给数据 y 加上一点噪声；简单看一下这个图的样子import torchimport matplotlib.pyplot as plt...

一、什么是激励函数？1. 激励函数1、激励函数就是解决现实生活中不能用线性方程所概括的问题。2、对于线性问题，用 y = Wx 表示；对于非线性问题，用 y = AF(Wx) 表示3、AF 指激励函数，也就是非线性函数，将其嵌套在原有的结果上，强行把原有的线性结果扭曲，使得输出结果 y 也有了非线性的特征；例如：relu、sigmoid、tanh；4、可以创造自己的激励函数，但是激励函数...

神经网络的参数其实都是Variable变量的形式，把Tensor的数据信息放到Tensor的变量中，用变量来慢慢的更新自己的神经网络里面的一些参数一、Variable变量是什么？1、Variable就是 “变量” 的意思。实质上也就是可以变化的量，区别于int变量，它是一种可以变化的变量，这正好就符合了反向传播，参数更新的属性。2、在pytorch中的Variable就是一个存放 “可变化值...

一、numpy和torch的简单介绍1、numpy系统是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，numpy会把array放在CPU中加速运算。2、Torch自称为神经网络中的numpy。它会将torch产生的tensor放在GPU中加速运算。PyTorch是一个开源的Python机器学习库，基于Torch，用于自然语言处理等应用程序。二、numpy和torch...