第一次作业 深度学习基础

第一次作业 深度学习基础

代码练习：

1.pytorch基础练习

熟悉tensor的使用，一般定义数据使用torch

 

 

 

创建Tensor,即创建张量；可使用：ones/zeros/eye等多种方式

 

 

 

 

定义操作

基本运算包括：abs/sqrt/div/exp/fmod/pow/cos/ sin/ asin/ atan2/ cosh，及 ceil/round/floor/trunc 等

布尔运算包括： gt/lt/ge/le/eq/ne，topk, sort, max/min

线性计算包括：trace, diag, mm/bmm，t，dot/cross，inverse，svd 等

 

 

螺旋数据分类

引入基本数据库

引入库，以初始化重要参数

 

 

 

初始化 X 和 Y。 结合代码可以看到，X的为一个 NxC 行， D 列的矩阵。所以可以将X视为一个矩阵。C 类样本，每类样本是 N个，所以是 N*C 行。每个样本的特征维度是2，所以是 2列。

 

线性模型分类

 

 

 

可以看出准确率很低，得出结论对于一个复杂的数据分布，线性模型难以实现准确分类。

两层神经网络分类

 

在两个线性层之间添加一个激活函数ReLU,来实现非线性变换。

 

可以发现准确率提升很多。