随笔分类 -  实验

1 2 下一页
在多分类任务实验中 用torch.nn实现 𝑳𝟐 正则化
摘要：1 导入实验所需要的包 import torch import torch.nn as nn import torchvision import torchvision.transforms as transforms import torch.nn.functional as F from tor 阅读全文
posted @ 2022-03-30 09:09 别关注我了，私信我吧 阅读(1215) 评论(0) 推荐(0)
多分类任务中不同隐藏层层数对实验结果的影响（使用GPU）
摘要：1 导入包 import torch import torch.nn as nn import numpy as np import torchvision import torchvision.transforms as transforms import matplotlib.pyplot as 阅读全文
posted @ 2022-03-09 10:17 别关注我了，私信我吧 阅读(628) 评论(0) 推荐(1)
利用torch.nn实现前馈神经网络解决 多分类 任务使用至少三种不同的激活函数
摘要：1 导入包 import torch import numpy as np import torch.nn as nn from torch.utils.data import TensorDataset,DataLoader import torchvision from IPython impo 阅读全文
posted @ 2022-03-08 17:46 别关注我了，私信我吧 阅读(625) 评论(0) 推荐(0)
利用 torch.nn 实现前馈神经网络解决 多分类 任务
摘要：1 导入实验需要的包 import torch import numpy as np from torch import nn from torchvision.datasets import MNIST import torchvision.transforms as transforms imp 阅读全文
posted @ 2022-03-08 17:00 别关注我了，私信我吧 阅读(618) 评论(0) 推荐(0)
利用torch.nn实现前馈神经网络解决 二分类 任务
摘要：1 导入包 import torch import torch.nn as nn from torch.utils.data import TensorDataset,DataLoader from torch.nn import init import torch.optim as optim f 阅读全文
posted @ 2022-03-07 20:30 别关注我了，私信我吧 阅读(555) 评论(0) 推荐(1)
利用torch.nn实现前馈神经网络解决 回归 任务
摘要：1 导入实验需要的包 import torch from torch import nn import numpy as np import matplotlib.pyplot as plt from torch.utils.data import DataLoader,TensorDataset 阅读全文
posted @ 2022-03-07 19:25 别关注我了，私信我吧 阅读(853) 评论(0) 推荐(0)
手动实现前馈神经网络解决 二分类 任务
摘要：1 导入实验需要的包 import numpy as np import torch from torch import nn from sklearn.model_selection import train_test_split import matplotlib.pyplot as plt f 阅读全文
posted @ 2022-03-06 11:56 别关注我了，私信我吧 阅读(739) 评论(0) 推荐(0)
手动实现前馈神经网络解决 多分类 任务
摘要：1 导入实验需要的包 import torch import numpy as np import random from IPython import display import matplotlib.pyplot as plt from torch.utils.data import Data 阅读全文
posted @ 2022-03-06 01:11 别关注我了，私信我吧 阅读(933) 评论(0) 推荐(0)
手动实现前馈神经网络解决 回归 任务
摘要：1 导入所需要的包 import numpy as np import torch from torch import nn import matplotlib.pyplot as plt from IPython import display from torch.utils.data impor 阅读全文
posted @ 2022-03-05 20:41 别关注我了，私信我吧 阅读(1421) 评论(0) 推荐(0)
chapter3——逻辑回归手动+sklean版本
摘要：1 导入numpy包 import numpy as np 2 sigmoid函数 def sigmoid(x): return 1/(1+np.exp(-x)) demox = np.array([1,2,3]) print(sigmoid(demox)) #报错 #demox = [1,2,3] 阅读全文
posted @ 2022-02-04 01:00 别关注我了，私信我吧 阅读(248) 评论(0) 推荐(1)
chapter2——线性回归实现
摘要：1 导入包 import numpy as np 2 初始化模型参数 ### 初始化模型参数 def initialize_params(dims): w = np.zeros((dims, 1)) b = 0 return w, b 3 损失函数计算 ### 包括线性回归公式、均方损失和参数偏导三 阅读全文
posted @ 2022-01-29 23:34 别关注我了，私信我吧 阅读(372) 评论(0) 推荐(0)
chapter18——PCA实现
摘要：1 手写实现PCA import numpy as np class PCA(): # 计算协方差矩阵 def calc_cov(self, X): m = X.shape[0] # 数据标准化，X的每列减去列均值 X = (X - np.mean(X, axis=0)) return 1 / m 阅读全文
posted @ 2022-01-28 18:29 别关注我了，私信我吧 阅读(168) 评论(0) 推荐(0)
chapter6——KNN实现
摘要：1 导入相关模块 import numpy as np from collections import Counter import matplotlib.pyplot as plt from sklearn import datasets from sklearn.utils import shu 阅读全文
posted @ 2022-01-28 15:03 别关注我了，私信我吧 阅读(163) 评论(0) 推荐(0)
稀疏自编码器手写
摘要：1 导入实验需要的包 import torch import torch.nn as nn import torch.nn.functional import torch.optim as optim import torch.utils.data.dataloader as dataloader 阅读全文
posted @ 2021-12-21 22:33 别关注我了，私信我吧 阅读(205) 评论(0) 推荐(0)
堆栈自编码器
摘要：参考文档 自编码器及相关变种算法简介 四种类型自编码器AutoEncoders理解及代码实现 堆栈自编码器 Part1 加载项目需要的包 import torch from torch import nn, optim, functional, utils import torchvision fr 阅读全文
posted @ 2021-12-21 21:01 别关注我了，私信我吧 阅读(333) 评论(0) 推荐(0)
多层自编码器手写版
摘要：#导入实验需要的包 import torch import torch.nn as nn import torch.utils.data as Data import torchvision import matplotlib.pyplot as plt from mpl_toolkits.mplo 阅读全文
posted @ 2021-12-21 15:04 别关注我了，私信我吧 阅读(114) 评论(0) 推荐(0)
自编码器手写
摘要：1 import torch from torch import nn,optim from torch.autograd import Variable from torchvision import transforms,datasets from torch.utils.data import 阅读全文
posted @ 2021-12-19 20:06 别关注我了，私信我吧 阅读(74) 评论(0) 推荐(0)
PCA手写版
摘要：计算过程参考：《机器学习——主成分分析（PCA）》 代码： X = np.array([[-1, -2], [-1, 0], [0, 0], [2, 1], [0, 1]]) print(X) def PCA(X,n): #转置 X = np.transpose(X) #求特征的均值 X_mean 阅读全文
posted @ 2021-12-18 22:21 别关注我了，私信我吧 阅读(100) 评论(0) 推荐(0)
对多分类采用10折交叉验证评估实验结果
摘要：1 导入实验所需要的包 import torch import torch.nn as nn import numpy as np import torchvision import torchvision.transforms as transforms import matplotlib.pyp 阅读全文
posted @ 2021-11-05 15:44 别关注我了，私信我吧 阅读(1337) 评论(0) 推荐(0)
对二分类采用10折交叉验证评估实验结果
摘要：1 导入实验所需要的包 import torch import torch.nn as nn import numpy as np import torchvision import torchvision.transforms as transforms import matplotlib.pyp 阅读全文
posted @ 2021-11-05 15:41 别关注我了，私信我吧 阅读(1089) 评论(0) 推荐(0)

1 2 下一页
Live2D