5.2 模型参数
摘要：5.2.0 头文件 import torch from torch import nn 5.2.1创建一个网络模型 # 通过实例化nn.Sequential来创建一个网络模型，模型包括一个具有8个隐藏单元带有relu激活函数的全连接隐藏层，具有1个输出单元不带激活函数的全连接输出层 net = nn
阅读全文
posted @
2022-11-08 14:55
yc-limitless
5.1 块
摘要：5.1.0 头文件 import torch from torch import nn from torch.nn import functional as F 5.1.1 通过实例化nn.Sequential来构建网络模型 # 通过实例化nn.Sequential来构建网络模型，该网络模型包含一个
阅读全文
posted @
2022-11-08 10:28
yc-limitless
4.10 预测房价实战
摘要：4.10.0 头文件 import hashlib import os import tarfile import zipfile import requests import numpy as np import pandas as pd import torch from torch impor
阅读全文
posted @
2022-11-07 20:43
yc-limitless
4.6 暂退法（dropout）框架实现
摘要：4.6.0 头文件 import torch from torch import nn from d2l import torch as d2l from matplotlib import pyplot as plt 4.6.1 定义损失函数 # 定义交叉熵损失函数 loss = nn.Cross
阅读全文
posted @
2022-11-06 10:26
yc-limitless
4.6 暂退法（dropout）从零实现
摘要：4.6.0 头文件 import torch from torch import nn from d2l import torch as d2l from matplotlib import pyplot as plt 4.6.1 定义dropout层 def dropout_layer(X, dr
阅读全文
posted @
2022-11-05 22:09
yc-limitless
4.5 L2正则化框架实现
摘要：4.5.0 头文件 import torch from torch import nn from d2l import torch as d2l from matplotlib import pyplot as plt 4.5.1 制作数据集 # 训练集样本数、测试集样本数、样本维度、批量大小 n_
阅读全文
posted @
2022-11-05 19:32
yc-limitless
4.5 L2正则化从零实现
摘要：4.5.0 头文件 import torch from torch import nn from d2l import torch as d2l from matplotlib import pyplot as plt 4.5.1 初始化模型权重和偏移量 # 训练集样本数、测试集样本数、样本维度、批
阅读全文
posted @
2022-11-05 17:45
yc-limitless
5.6 GPU与张量，GPU与网络模型
摘要：5.6.0 头文件 import torch from torch import nn 5.6.1获取GPU # 获取指定GPU，如果指定编号的GPU存在，则返回gpu(i)，否则返回cpu def try_gpu(i=0): if torch.cuda.device_count() >= i +
阅读全文
posted @
2022-11-04 23:54
yc-limitless
4.4 欠拟合与过拟合
摘要：4.4.0 头文件 import math import numpy as np import torch from torch import nn from d2l import torch as d2l from matplotlib import pyplot as plt 4.4.1利用三阶
阅读全文
posted @
2022-11-04 23:33
yc-limitless
4.3 多层感知机的框架实现
摘要：4.2.0 头文件 import torch from torch import nn from d2l import torch as d2l from matplotlib import pyplot as plt # 设置批量大小、学习率、训练轮数 batch_size, lr, num_ep
阅读全文
posted @
2022-11-04 00:10
yc-limitless
阅读(56)
推荐(0)
4.2 从零实现多层感知机
摘要：4.2.0 头文件 import torch from torch import nn from d2l import torch as d2l from matplotlib import pyplot as plt 4.2.1 下载fashion_mnist数据集 # 定义批量大小 batch_
阅读全文
posted @
2022-11-03 23:52
yc-limitless
4.1 激活函数
摘要：4.1.0 头文件 import torch from d2l import torch as d2l from matplotlib import pyplot as plt 4.1.1 Relu激活函数 x = torch.arange(-8.0, 8.0, 0.1, requires_grad
阅读全文
posted @
2022-11-03 23:06
yc-limitless
3.7 softmax回归的框架实现
摘要：3.7.0 头文件 import torch from torch import nn from d2l import torch as d2l from matplotlib import pyplot as plt 3.7.1 下载fashion_mnist数据集 # 定义批量大小 batch_
阅读全文
posted @
2022-11-03 22:52
yc-limitless
3.6 softmax回归的从零实现
摘要：3.6.0 头文件 import torch from IPython import display from d2l import torch as d2l from matplotlib import pyplot as plt 3.6.1 训练结果可视化 class Animator: """
阅读全文
posted @
2022-11-03 21:21
yc-limitless
3.5 FashionMNIST训练集和测试集
摘要：3.5.0 头文件 import torch import torchvision from torch.utils import data from torchvision import transforms from d2l import torch as d2l from matplotlib
阅读全文
posted @
2022-11-03 17:34
yc-limitless
3.3 线性回归模型的框架实现
摘要：3.3.0 头文件 import numpy as np import torch from torch.utils import data from d2l import torch as d2l from torch import nn 3.3.1 Dataloader的详细使用说明 from
阅读全文
posted @
2022-11-02 17:20
yc-limitless
3.2 线性回归模型的从零实现
摘要：3.2.0 头文件 import random import torch from d2l import torch as d2l 3.2.1 关于yield关键字 # 关于yield关键字 def foo(): print("starting...") while True: res = yiel
阅读全文
posted @
2022-11-01 21:45
yc-limitless
3.1 定时器和矢量化加速
摘要：import math import time import numpy as np import torch from d2l import torch as d2l class Timer: #@save """记录多次运行时间""" def __init__(self): self.times
阅读全文
posted @
2022-11-01 15:38
yc-limitless
2.4 计算梯度
摘要：2.4.1 计算梯度 import torch x=torch.arange(4.0,requires_grad=True) print(x) # 输出： # tensor([0., 1., 2., 3.], requires_grad=True) y = 2 * torch.dot(x, x) p
阅读全文
posted @
2022-11-01 15:14
yc-limitless
2.3 线性代数
摘要：2.3.1 头文件 import torch 2.3.2 标量张量的计算 # 定义两个标量 x = torch.tensor(3.0) y = torch.tensor(2.0) # 加法 print(x + y) # 输出： # tensor(5.) # 减法 print(x - y) # 输出：
阅读全文
posted @
2022-11-01 14:34
yc-limitless
浙公网安备 33010602011771号