分类-Classification

示例代码

两大基础任务之一的分类任务，根据 data和 targets进行训练，之后对目标进行预判。
依旧是一样，根据视频来编写的代码，会使你看视频更加容易，都有注释，哈哈哈哈哈

示例代码

import torch as t
import torch.nn.functional as tnf
import matplotlib.pyplot as plt# 生成一个全是1的二维tensor,每个维度参数为(x,y)
n_data = t.ones(100, 2)
# 参数含义为(均值,标准差)，根据这个正态分布随机生成和上面相同类型的tensor
x0 = t.normal(2*n_data, 1)
# 生成一个全是0的1维tensor,维度参数为100
y0 = t.zeros(100)
x1 = t.normal(-2*n_data, 1)
y1 = t.ones(100)
# 根据dim参数将两个tensor拼接起来,这里的话就是将两个x——tensor在一维进行拼接(200,2)
x = t.cat((x0, x1), 0).type(t.FloatTensor)
# y是一维tensor，所以直接拼接就好了
y = t.cat((y0, y1), ).type(t.LongTensor)# x_tensor是一个二维张量,这里转化为numpy二维数组，取一维所有数据，二维中的第一个量为x轴，第二个量为y轴
# plt.scatter(x.data.numpy()[:, 0], x.data.numpy()[:, 1], c=y.data.numpy(), s=100, lw=0, cmap='RdYlGn')
# plt.show()# unsqueeze大概可以理解为将一维tensor转化为二维tensor
# 最主要的是如果听信弹幕屁话，这里不用这个东西，直接把一维tensor代入就会报错mismatch
# x = t.unsqueeze(t.linspace(-1, 1, 100), dim=1)
# y = x.pow(2) + 0.2 * t.rand(x.size())# plt.scatter(x.data.numpy(), y.data.numpy())
# plt.show()class Net(t.nn.Module):def __init__(self, n_feature, n_hidden, n_output):# 继承父类初始方法super().__init__()# 创建一层hidden神经网络，向后接收n_features个输入，由n_hidden个神经元组成self.hidden = t.nn.Linear(n_feature, n_hidden)# 创建一层predict神经网络，向后接收n_hidden个输入，由n_output个神经元组成self.predict = t.nn.Linear(n_hidden, n_output)# 需要注意的是，这里只是定义，并不代表搭建，并没有构建好连接。def forward(self, x):# x为输入的data# 神经元之间的传递是线性的，非线性是由激励函数实现的# 让数据先进入hidden层进行处理，然后使用激励函数relu进行非线性处理x = tnf.relu(self.hidden(x))# 再让其进入predict层进行处理x = self.predict(x)return x# 运用多分类，这次输入是两个特征，输出为二分类，[0,1]和[1,0]
net = Net(2, 10, 2)plt.ion()
plt.show()# 使用optimizer来进行优化，一般选择SGD(随机梯度下降)
# 参数理解分别为(神经网络里面所有参数，学习效率)
# 学习效率一般小于1，差不多可以理解为梯度下降的步长，大了就会错失一些细节点
optimizer = t.optim.SGD(net.parameters(), lr=0.02)
# 计算误差，以下为均方差的方法
# loss_func = t.nn.MSELoss()
loss_func = t.nn.CrossEntropyLoss()for i in range(500):# 预测----计算丢失函数----梯度清零----向后传播----优化器优化# 至于为什么要梯度清零，我现在也没搞懂，这啥玩意。out = net(x)# prediction = tnf.softmax(prediction)# 这里y应该是一个一维张量，但是prediction应该是二维的，为什么能够计算？loss = loss_func(out, y)optimizer.zero_grad()loss.backward()optimizer.step()if i % 2 == 0:plt.cla()# max函数会返回tensor里面关于最大值的信息，返回两个，第一个为最大值的值，第二个为最大值的索引# max函数里面参数为(tensor, 0/1) 0代表每列最大值, 1代表每行最大值# softmax会产生warning,更新后需要设置softmax的对象维度。prediction = t.max(tnf.softmax(out, dim=1), 1)[1]pre_y = prediction.data.numpy()target_y = y.data.numpy()plt.scatter(x.data.numpy()[:, 0], x.data.numpy()[:, 1], c=pre_y, s=100, lw=0, cmap='RdYlGn')accuracy = sum(pre_y==target_y)/200plt.text(1.5, -4, 'Accuracy=%.2f' % accuracy, fontdict={'size': 20, 'color': 'red'})plt.pause(0.1)# plt.scatter(x.data.numpy(), y.data.numpy())# plt.plot(x.data.numpy(), prediction.data.numpy(), 'r-', lw=5)# plt.text(0.5, 0, 'Loss=%.4f' % loss.data, fontdict={'size': 20, 'color': 'red'})# plt.pause(0.1)plt.ioff()
plt.show()

从零学习PyTorch(5)----整个天空都是灰蒙蒙的相关推荐

从零学习pytorch 第2课 Dataset类
课程目录(在更新,喜欢加个关注点个赞呗): 从零学习pytorch 第1课搭建一个超简单的网络从零学习pytorch 第1.5课训练集.验证集和测试集的作用从零学习pytorch 第2课 Da ...
从零学习pytorch 第1课搭建一个超简单的网络
课程目录(在更新,喜欢加个关注点个赞呗): 从零学习pytorch 第1课搭建一个超简单的网络从零学习pytorch 第1.5课训练集.验证集和测试集的作用从零学习pytorch 第2课 Da ...
纽约大学深度学习PyTorch课程笔记（自用）Week6
纽约大学深度学习PyTorch课程笔记Week6 Week 6 6.1 卷积网络的应用 6.1.1 邮政编码识别器使用CNN进行识别 6.1.2 人脸检测一个多尺度人脸检测系统 6.1.3 语义分 ...
pytorch 训练过程acc_深度学习Pytorch实现分类模型
今天将介绍深度学习中的分类模型,以下主要介绍Softmax的基本概念.神经网络模型.交叉熵损失函数.准确率以及Pytorch实现图像分类.01Softmax基本概念在分类问题中,通常标签都为类别,可 ...
伯禹公益AI《动手学深度学习PyTorch版》Task 07 学习笔记
伯禹公益AI<动手学深度学习PyTorch版>Task 07 学习笔记 Task 07:优化算法进阶:word2vec:词嵌入进阶微信昵称:WarmIce 优化算法进阶 emmmm,讲实 ...
伯禹公益AI《动手学深度学习PyTorch版》Task 03 学习笔记
伯禹公益AI<动手学深度学习PyTorch版>Task 03 学习笔记 Task 03:过拟合.欠拟合及其解决方案:梯度消失.梯度爆炸:循环神经网络进阶微信昵称:WarmIce 过拟合. ...
【动手学深度学习PyTorch版】6 权重衰退
上一篇移步[动手学深度学习PyTorch版]5 模型选择 + 过拟合和欠拟合_水w的博客-CSDN博客目录一.权重衰退 1.1 权重衰退 weight decay:处理过拟合的最常见方法(L2_p ...
纽约大学深度学习PyTorch课程笔记（自用）Week3
纽约大学深度学习PyTorch课程笔记Week3 Week 3 3.1 神经网络参数变换可视化及卷积的基本概念 3.1.1 神经网络的可视化 3.1.2 参数变换一个简单的参数变换:权重共享超网络 ...
【分类器 Softmax-Classifier softmax数学原理与源码详解深度学习 Pytorch笔记 B站刘二大人（8/10）】
分类器 Softmax-Classifier softmax数学原理与源码详解深度学习 Pytorch笔记 B站刘二大人 (8/10) 在进行本章的数学推导前,有必要先粗浅的介绍一下,笔者在广泛查找 ...

从零学习PyTorch(5)----整个天空都是灰蒙蒙的

分类-Classification

示例代码

从零学习PyTorch(5)----整个天空都是灰蒙蒙的相关推荐

最新文章

热门文章