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。