wn030416的博客

AI和玩家对弈，AI为X，玩家为O。Ai1神经元更多，能更好地学习。

修改数据集，y=x^2将预测代码改为，可以接收用户输入并输出结果。

参数名: fc2.weight, 参数值: tensor([[ 0.5492, 0.2550, 0.3046, 0.3183, 0.8147, 0.3062, -0.4165, 0.2969,参数名: fc1.bias, 参数值: tensor([ 0.5201, -0.0252, 0.0504, 0.6593, -0.4250, 0.6001, 0.9645, -0.2310,该程序使用了MSELoss损失函数和SGD优化器。安装时候选择添加path到环境变量。显示下面说明安装成功。

【代码】神经网络入门—贪吃蛇。

使用神经网络计算x^2-2*x最小值。

这里使用了一个lambda函数，它在迭代次数eiter超过decay后开始衰减学习率，衰减的速度由decay参数控制。首先，使用Adam优化器来初始化G_A和G_B的参数以及D_A和D_B的参数。Adam优化器是一种基于梯度的优化算法，它利用了动量和自适应学习率的特性。这个训练循环的主要目的是在给定的训练数据集上训练生成对抗网络（GAN），并保存训练过程中的损失值和模型参数。在每次迭代中，调用train函数训练生成器G_A、G_B和判别器D_A、D_B，并更新损失值。更新生成器和判别器的学习率。

听取了知乎的建议。