Python 第52页

PyTorch实战：卷积神经网络模型的训练

在最后一个主题中, 我们实现了CNN模型。现在, 我们的下一个任务是训练它。为了训练我们的CNN模型, 我们将涉及CUDA张量类型, 该类型将实现与CPU张量相同的功能, 但它们可用于计算。有以下步骤来训练我们的CNN模型：步骤1：在...

感知器模型的目的是对我们的数据进行分类, 并根据先前标记的数据告诉我们发生癌症的机会, 即最大或最小。我们的模型已经过训练, 现在, 我们测试模型以顺利了解其工作, 并给出或不给出准确的结果。为此, 我们必须在代码中添加一些其他功能。有...

本文概述图像转换部分的更改实施, 培训和验证部分的更改测试部分的更改完整的代码在上一个主题中, 我们发现带卷积神经网络的LeNet模型能够对MNIST数据集图像进行分类。 MNIST数据集包含作为灰度图像的图像数量, 但是在CHI...

在最后一部分中, 我们实现了神经网络或创建了对手写数字进行分类的模型。现在, 我们通过从网络上获取图像来测试模型。我们使用以下图像： https://images.homedepot-static.com/productImages/007...

我们将使用精确的决策边界来绘制数据集, 这将区分我们的分类结果。在此, 我们还将测试模型。可以通过以下步骤来训练我们的模型：步骤1：第一步, 我们定义一个函数plot_decision_boundary(), 其中包含两个参数, 即训练...

在最后一部分中, 我们实现了神经网络或创建了对手写数字进行分类的模型。现在, 我们通过从网络上获取图像来测试模型。我们使用以下图像： http://calstormbasketball.com/wp-content/uploads/2018...

张量是Pytorch的关键组件。可以说PyTorch完全基于张量。在数学中, 数字的矩形数组称为度量。在NumPy库中, 这些指标称为ndaaray。在PyTorch中, 它被称为Tensor。张量是n维数据容器。例如, 在PyTorch中...

本文概述机器学习进行预测(创建数据模型) 使用线性类进行预测在此, 我们简要介绍了如何实现基于机器学习的算法, 以训练线性模型来拟合一组数据点。为此, 无需具备任何深度学习的先验知识。我们将从讨论监督学习开始。我们将讨论监督学习的概...

感知器是单层神经网络, 或者可以说神经网络是多层感知器。 Perceptron是一个二进制分类器, 用于监督学习中。人工神经网络中生物神经元的简单模型称为Perceptron。可以决定由数字矢量表示的输入是否属于某个特定类的函数称为二进制...

本文概述创建一维张量在Tensor中检查元素的数据类型访问Tensor的元素访问具有指定范围的Tensor元素使用Integer元素创建浮点张量查找张量的大小更改张量视图使用numpy数组的张量众所周知, PyTorch已...