06 2020 档案
摘要：import torch import torch.nn.functional as F import matplotlib.pyplot as plt import numpy as np x = torch.linspace(-10,10,60) fig = plt.figure(figsize
阅读全文
摘要：我们可以看到绘制出来的图有四个边框，我们通过gca()对坐标轴进行一些简单处理，代码如下。 import torch import torch.nn.functional as F import matplotlib.pyplot as plt import numpy as np x = torc
阅读全文
摘要：本篇是摘抄pytorch-handbook里面的，有兴趣可以看看。 损失函数(Loss Function) 损失函数（loss function）是用来估量模型的预测值(我们例子中的output)与真实值（例子中的y_train）的不一致程度，它是一个非负实值函数，损失函数越小，模型的鲁棒性就越好。
阅读全文
摘要：import torch x = torch.rand(2,2) x1 = x.numpy() # torch转换到numpy x2 = torch.from_numpy(x1) #numpy转换torch print("\n torch_x:\n",x, "\n numpy_x1:\n",x1,
阅读全文
摘要：官方文档 首先我们要知道，lmplot是用来绘制回归图的。 让我们来看看他的API： seaborn.lmplot(x, y, data, hue=None, col=None, row=None, palette=None, col_wrap=None, height=5, aspect=1, m
阅读全文
摘要：看了一篇博客，感觉写的很棒：PyTorch 的 Autograd
阅读全文
摘要：运行这段代码 import torch import numpy as np import matplotlib.pyplot as plt x = torch.ones(2,2,requires_grad=True) print('x:\n',x) y = torch.eye(2,2,requir
阅读全文
摘要：output = torch.max(input, dim) input输入的是一个tensor dim是max函数索引的维度0/1，0是每列的最大值，1是每行的最大值 实例： import torch import numpy as np import matplotlib.pyplot as p
阅读全文
摘要：本篇借鉴了这篇文章，如果有兴趣，大家可以看看：https://blog.csdn.net/geter_CS/article/details/84857220 1、交叉熵：交叉熵主要是用来判定实际的输出与期望的输出的接近程度 2、CrossEntropyLoss()损失函数结合了nn.LogSoftm
阅读全文
摘要：看pytorch中文文档摘抄的笔记。 class torch.optim.SGD(params, lr=, momentum=0, dampening=0, weight_decay=0, nesterov=False)[source] 实现随机梯度下降算法（momentum可选）。 Nestero
阅读全文
摘要：import torch x = torch.randn(3, requires_grad=True) y = x*2 print(y.data.norm()) print(torch.sqrt(torch.sum(torch.pow(y,2)))) #其实就是对y张量L2范数，先对y中每一项取平方
阅读全文
摘要：学习数据酷客做的笔记，懒得自己打字，就截屏记录一下，方便以后回顾。
阅读全文
摘要：第一步安装nibabel，可以使用命令：pip install nibabel 之后： from nibabel.viewers import OrthoSlicer3D as osdimport nibabel as nib filename = 'image.nii' img = nib.loa
阅读全文
摘要：1、LinearRegression将方程分为两个部分存放，coef_存放回归系数，intercept_则存放截距，因此要查看方程，就是查看这两个变量的取值。 2、回归系数（regression coefficient）在回归方程中表示自变量x 对因变量y 影响大小的参数。回归系数越大表示x 对y
阅读全文
摘要：第一步：安装scipy，因为seaborn依赖scipy，如何安装scipy我之前有说过，可以看我之前安装sklearn库的过程中有安装scipy的方法。 第二步：pip install seaborn 第三步：import seaborn 第四步：没有错误，那就安装成功
阅读全文
