作业2 深度学习和pytorch基础

视频学习心得：

  我有一个朋友，他曾经告诉我神经网络多么多么高大上，多么多么功能全面，但是从学习和课外查阅一些视频资料的过程中我感受到，ai还是有非常大的局限性，比如如果有一些噪声，就很有可能产生可笑的错误，比如：

 

  我也对ai的基础有了一部分了解，在我的理解中，这个过程是一个利用小的方程式，经过类似我们高数课上求导然后蒙积分的大致范围的过程，加上亿点点的数学公式，来得到一个关于数据被拟合后最接近的结果，希望我的理解没啥大问题。

代码练习与分析：

  基础数据的建立：

 

 

 

 

 

类似于数组的东西，同样支持多维

 

 

 

 

 

 

 

ones代表他是一个全部为1的矩阵，后面跟着各个维度的维度数

 

 

 

 

 

在实验中遇到的所有带有多个维度的定义方法都类似

 

 

 

 

 

随机数组

 

 

 

零矩阵，同时利用dtype定义类型

 

 

 

 

利用new_ones得到新矩阵，ones代表矩阵类型，而后面的数据代表了维度，new决定了其沿用数据类型等信息

 

 

你看这里有个rendn，就能看出来他是一个随机化的矩阵，而like仅仅表明了其维度的相似

 

 

sep定义的是间隔符，size则是其维度的标记，在这个语境下，size后数值可以从-2取到1

 

 

之类的取行或者列的操作和其他某些语言的语法类似，这里就只说一下遇到的问题吧，就是@符号，在实验中，m@v会报错，需要我们把m与v均改为float类型，才可以继续计算，所以在最后一次更改v数值的时候，定义了其类型

 

 

 

 

概率课上同款实验

 

  螺旋数据分类：

 

库的下载，引用和基础变量的定义

 

 

 

 

 

准确率明显比上面未加激活函数高