srcmini

2020-03-25半瓶木阅读(3363)评论(0)赞(0)

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...

2020-03-25半瓶木阅读(1734)评论(0)赞(0)

在本主题中, 我们将讨论一种在图像识别中使用的新型数据集。该数据集称为MNIST数据集。 MNIST数据集可以在网上找到, 并且本质上只是各种手写数字的数据库。 MNIST数据集包含大量数据, 通常用于证明深度神经网络的真正功能。 假设我们...

2020-03-25半瓶木阅读(2313)评论(0)赞(0)

均方误差的计算方法与之前的一般损耗方程式大致相同。我们还将考虑偏差值, 因为这也是在训练过程中需要更新的参数。 (y-Ax + b)2 均方误差最好用图示说明。 假设我们有一组值, 我们首先像以前一样绘制一些回归线参数, 其大小由一组随机的...

2020-03-25半瓶木阅读(1911)评论(0)赞(0)

我们的下一个任务是在先前标记的图像的帮助下训练神经网络, 以对新的测试图像进​​行分类。因此, 我们将使用nn模块来构建神经网络。 有以下步骤来实现神经网络进行图像识别： 步骤1： 在第一步中, 我们将定义用于创建神经模型实例的类。此类将从...

2020-03-25半瓶木阅读(1496)评论(0)赞(0)

在上一个主题中, 我们看到该行未正确拟合到我们的数据。为了使其最合适, 我们将使用梯度下降法更新其参数, 但是在此之前, 它需要你了解损失函数。 因此, 我们的目标是找到适合此数据的线的参数。在我们之前的示例中, 线性函数将首先使用以下参数...

2020-03-25半瓶木阅读(1312)评论(0)赞(0)

本文概述 1.模型类 2.优化器 标准 线性回归是一种通过最小化距离来找到因变量和自变量之间的线性关系的方法。 线性回归是一种有监督的机器学习方法。该方法用于订单离散类别的分类。在本节中, 我们将了解如何建立一个模型, 用户可以通过该模型来...

2020-03-25半瓶木阅读(1803)评论(0)赞(0)

在了解了反向传播的过程之后, 让我们开始看看如何使用PyTorch实现深度神经网络。实施深度神经网络的过程类似于感知器模型的实施。在实施过程中, 我们必须执行以下步骤。 步骤1： 第一步, 我们将导入所有必需的库, 例如PyTorch, n...