python基础教程 豆瓣,python基础教程 zol

　　2.1 Numpy Torch比较Numpy和张量之间转换：

　　输出结果：

　　Numpy和torch的一些功能比较：

　　绝对值函数

　　正弦函数

　　平均函数：

　　矩阵乘法：

　　2.2变量variable fromtorch.autograd导入变量

　　反向传播张量不变量变量变量

　　激励作用是什么？

　　2.3激活激发功能

　　导入torch.nn.functional as F

　　3.1回归回归到torch.unsqueeze()就是把一维变成二维。torch中仅处理二维的数据。

　　Y=x.pow(2)是二次的加上一些噪声。

　　Plt.scatter(用于打印散点图)需要数字形式。

　　开始定义网络：

　　你需要继承torch.nn.Module

　　覆盖__init__()和forward()

　　有一些维度信息：

　　真正的建筑过程是在前进的：

　　创建并打印网络结构：

　　优化器和损耗：

　　还可以看神经网络如何学习的动态图~

　　这里跳过~看视频很有必要。

　　3.2分类分类可以看视频。

　　3.3快速施工方法

　　3.4保存和提取神经网络保存：

　　选择：

　　3.5批量数据训练数据加载器导入火炬。utils。数据作为数据

　　删除第九行中的深绿色。

　　剧集快速梯度下降采用小批量梯度下降(随机梯度下降)。

　　加速下降的其他方式：

　　3.6优化器优化器一集：什么是卷积神经网络

　　4.1 CNN卷积神经网络

　　下载并导入数据集：

　　为了呈现训练集的外观：

　　加载数据：

　　CNN网络建设：

　　[美]一楼；[英]二楼

　　查看尺寸变更的注释：

　　正向传播(考虑批处理):

　　操作培训：

　　培训效果：

　　4.2 RNN递归神经网络分类超参数：

　　准备数据：

　　在RNN中定义__init__方法

　　正向方法：

　　培训：

　　4.3暂时跳过RNN递归神经网络回归。

　　自编码自动编码器

　　4.4 Autoencoder自编码包括编码器和解码器。

　　先跳过

　　插曲DQN强化学习4.5 DQN强化学习插曲GAN代对抗网4.6 GAN代对抗网5.1 py torch为什么是动态的5.2 GPU加速插曲：什么是过拟合5.3过拟合掉线插曲什么是批量规格化批量标准化5.4批量规格化批量标准化

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。