2021年11月4日
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(516) 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(1185) 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
torch.nn.BCELoss用法
摘要： 1. 定义 数学公式为 Loss = -w * [p * log(q) + (1-p) * log(1-q)] ，其中p、q分别为理论标签、实际预测值，w为权重。这里的log对应数学上的ln。 PyTorch对应函数为： torch.nn.BCELoss(weight=None, size_aver 阅读全文
posted @ 2021-11-04 21:20 图神经网络 阅读(1793) 评论(0) 推荐(0) 编辑
Live2D