dadada 白的博客

PyTorch提供了设计精美的模块和类torch.nn，torch.optim，Dataset和DataLoader来帮助您创建和训练神经网络。为了充分利用它们的功能并针对您的问题对其进行自定义，您需要真正地了解他们在做什么。为了建立这种理解，我们将首先在MNIST数据集上训练基本神经网络，而无需使用这些模型的任何功能。我们最初将仅使用最基本的PyTorch的tensor功能。然后，我们将逐步从增加一个功能torch.nn，torch.optim，Dataset，或DataLoader.每个模块显示

基本思路1.计算已知类型数据集中的点与当前点之间的距离2. 按照距离依次递增次序排序3. 选取当前点距离最小的k个点4.确定前k个点所在类别出现的频率5.返回前k个点出现频率最高的类别作为当前点的类别k-邻近算法def classify0(inX,dataSet,lables,k): dataSetSize=dataSet.shape[0] # 读取矩阵第一维度的长度...