随笔分类 -  实验

上一页 1 2
对回归采用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 15:36 图神经网络 阅读(1386) 评论(0) 推荐(0) 编辑
在多分类任务实验中手动实现 使用 𝑳𝟐 正则化
摘要：1 导入所需要的包 import torch import numpy as np import random from IPython import display from matplotlib import pyplot as plt import torchvision import tor 阅读全文
posted @ 2021-11-05 15:21 图神经网络 阅读(1504) 评论(0) 推荐(1) 编辑
在多分类任务实验中用torch.nn实现dropout
摘要：1 导入需要的包 import torch import torch.nn as nn import numpy as np import torchvision import torchvision.transforms as transforms import matplotlib.pyplot 阅读全文
posted @ 2021-11-05 15:15 图神经网络 阅读(1771) 评论(0) 推荐(0) 编辑
在多分类任务实验中手动实现实现dropout
摘要：1 导入需要的包 import torch import torch.nn as nn import numpy as np import torchvision import torchvision.transforms as transforms import matplotlib.pyplot 阅读全文
posted @ 2021-11-05 14:40 图神经网络 阅读(1395) 评论(0) 推荐(0) 编辑
多分类任务中不同隐藏单元个数对实验结果的影响
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 @ 2021-11-04 23:14 图神经网络 阅读(517) 评论(0) 推荐(0) 编辑
多分类任务中不同隐藏层层数对实验结果的影响
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 @ 2021-11-04 23:02 图神经网络 阅读(844) 评论(0) 推荐(0) 编辑
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 导入实验所需要的包 import torch import numpy as np import random from IPython import display from matplotlib import pyplot as plt from torch import nn import 阅读全文
posted @ 2021-11-04 22:34 图神经网络 阅读(1186) 评论(0) 推荐(0) 编辑
利用torch.nn实现前馈神经网络解决 二分类 任务
摘要：1导入实验所需要的包 import torch import numpy as np import random from IPython import display from matplotlib import pyplot as plt from torch import nn import 阅读全文
posted @ 2021-11-04 21:45 图神经网络 阅读(608) 评论(0) 推荐(0) 编辑
利用torch.nn实现前馈神经网络解决 多分类 任务
摘要：1 导入包 from torchvision import datasets,transforms from torch.utils.data import DataLoader import matplotlib.pyplot as plt import torchvision from torc 阅读全文
posted @ 2021-11-03 19:10 图神经网络 阅读(388) 评论(0) 推荐(0) 编辑
逻辑回归从零开始实现
摘要：1 导入实验需要的包 import torch import matplotlib.pyplot as plt import numpy as np import os os.environ["KMP_DUPLICATE_LIB_OK"] = "TRUE" 2 人工构造数据集 生成正/负样本各 50 阅读全文
posted @ 2021-10-22 16:25 图神经网络 阅读(141) 评论(0) 推荐(0) 编辑
Pytorch 实现多层感知机
摘要：1 导入实验所需要的包 from torch.autograd import Variable from torch.utils.data import TensorDataset,DataLoader import torch import numpy as np import matplotli 阅读全文
posted @ 2021-10-22 16:13 图神经网络 阅读(194) 评论(0) 推荐(0) 编辑
逻辑回归torch.nn实现
摘要：1 导入实验需要的包 import torch from torch import nn from torch.autograd import Variable from torch.utils.data import DataLoader,TensorDataset import matplotl 阅读全文
posted @ 2021-10-21 15:18 图神经网络 阅读(246) 评论(0) 推荐(0) 编辑
Pytorch 实现逻辑回归
摘要：1 导入实验需要的包 import numpy as np import pandas as pd import torch from torch import nn import matplotlib.pyplot as plt from torch.autograd import Variabl 阅读全文
posted @ 2021-10-21 13:01 图神经网络 阅读(147) 评论(0) 推荐(0) 编辑
线性回归的简洁实现
摘要：1 导入实验所需要的包 import numpy as np import torch from torch import nn from torch.utils import data import matplotlib.pyplot as plt #解决内核挂掉 import os os.env 阅读全文
posted @ 2021-10-20 13:47 图神经网络 阅读(99) 评论(0) 推荐(0) 编辑
线性回归的从零开始实现
摘要：1 导入实验所需要的包 import torch import numpy as np import matplotlib.pyplot as plt from torch import nn from IPython import display #解决内核挂掉 import os os.envi 阅读全文
posted @ 2021-10-18 17:24 图神经网络 阅读(237) 评论(0) 推荐(0) 编辑
Pytorch 实现简单线性回归
摘要：Pytorch 实现简单线性回归 问题描述： 使用 pytorch 实现一个简单的线性回归。 受教育年薪与收入数据集 单变量线性回归 单变量线性回归算法（比如，$x$ 代表学历，$f(x)$ 代表收入）： $f(x) = w*x + b $ 我们使用 $f(x)$ 这个函数来映射输入特征和输出值。 阅读全文
posted @ 2021-10-18 11:16 图神经网络 阅读(828) 评论(2) 推荐(1) 编辑
Pytorch 的安装
摘要：GPU版本的安装 Windows平台 CPU 版本安装 conda install pytorch torchvision cpuonly -c puython Windows平台需安装VC，需要的联系博主。 Linux平台 CPU 版本安装 conda install pytorch torchv 阅读全文
posted @ 2021-10-18 08:34 图神经网络 阅读(731) 评论(0) 推荐(0) 编辑
线性回归的从零开始实现
摘要：线性回归的从零开始实现 在了解了线性回归的背景知识之后，现在我们可以动手实现它了。尽管强大的深度学习框架可以减少大量重复性工作，但若过于依赖它提供的便利，会导致我们很难深入理解深度学习是如何工作的。 首先，导入本节中实验所需的包或模块，其中的 matplotlib 包可用于作图，且设置成嵌入显示。 阅读全文
posted @ 2021-07-26 18:21 图神经网络 阅读(279) 评论(0) 推荐(1) 编辑

上一页 1 2
Live2D