摘要：
1、根据神经网络建立模型的复杂度和数据模型真正复杂度之间的相对大小，其主要存在三种情况：(1)欠拟合:underfitting (2)相对准确 (3)过拟合：overfitting 图2、一般情况下在不知数据模型复杂度的情况下，很容易出现建立模型过拟合的情况，这是因为原始数据中本身存在一些噪声数据， 阅读全文
摘要：
对于0-9的10分类任务神经网络搭建主要有两种方式：（1）底层原理实现方式和（2）调用函数搭建方式，整体的过程原理如下所示 （1）底层原理实现方式 import torchimport torch.nn.functional as Fa=torch.full([4],1/4)print(a)print(-1*a*torch.log2(a))b=-1*a*torch.log2(a)print(s... 阅读全文
摘要：
//2019.10.08神经网络与全连接层1、logistics regression逻辑回归的思想是将数据利用激活函数sigmoid函数转换为0-1的概率，然后定义一定的阈值0.5，大于阈值则为一类，小于阈值则为另一类。它主要用来解决的是二分类问题，也可以通过一定的变形解决多分类的问题。2、对于逻 阅读全文
摘要：
python三维图像输出的代码如下所示：#画3D函数图像输出from mpl_toolkits.mplot3d import Axes3Dfrom matplotlib import cmimport matplotlib.pyplot as pltimport numpy as npimport mpl_toolkits.mplot3dfigure=plt.figure()#ax = Axes3 阅读全文
摘要：
pytorch随机梯度下降法1、梯度、偏微分以及梯度的区别和联系(1)导数是指一元函数对于自变量求导得到的数值，它是一个标量，反映了函数的变化趋势；(2)偏微分是多元函数对各个自变量求导得到的，它反映的是多元函数在各个自变量方向上的变化趋势，也是标量；(3)梯度是一个矢量，是有大小和方向的，其方向是 阅读全文
摘要：
pytorch数学运算与统计属性入门1、Broadcasting (维度)自动扩展,具有以下两个重要特征：(1)expand (2)without copying data重点的核心实现功能是：(1)在前面增加缺失的维度(2)将其中新增加的维度的size扩展到需要相互运算的tensor维度的same 阅读全文
摘要：
(1-1)pytorch张量数据的索引与切片操作1、对于张量数据的索引操作主要有以下几种方式：a=torch.rand(4,3,28,28):DIM=4的张量数据a(1)a[:2]:取第一个维度的前2个维度数据(不包括2)；(2)a[:2,:1,:,:]：取第一个维度的前两个数据，取第2个维度的前1 阅读全文
摘要：
pytorch张量数据类型入门1、对于pytorch的深度学习框架，其基本的数据类型属于张量数据类型，即Tensor数据类型，对于python里面的int,float,int array,flaot array对应于pytorch里面即在前面加一个Tensor即可——intTensor ,Float 阅读全文
摘要：
利用平pytorch搭建简单的神经网络实现minist手写字体的识别，采用三层线性函数迭代运算，使得其具备一定的非线性转化与运算能力，其数学原理如下： 其具体实现代码如下所示：import torchimport matplotlib.pyplot as pltdef plot_curve(data): #曲线输出函数构建 fig=plt.figure() plt.pl... 阅读全文
摘要：
对于pytorch的深度学习框架，在建立人工神经网络时整体的步骤主要有以下四步： 1、载入原始数据 2、构建具体神经网络 3、进行数据的训练 4、数据测试和验证 pytorch神经网络的数据载入，以MINIST书写字体的原始数据为例： import torch import matplotlib.p 阅读全文