HuaWeiCloud_model_arts
一、上传数据至OBS及授权给ModelArts使用
二、ModelArts-Notebook介绍
三、ModelArts-训练作业介绍
搬几个pytorch教程的例子
Before introducing Pytorch, we will first implement the network using numpy.
在介绍 PyTorch 之前, 我们先使用 numpy 实现网络.
Numpy provides an n-dimensional array object, and many functions for manipulating these arrays. Numpy is a generic framework for scientific computing;it does not know anything about anything about computation graphs,or deep learning, or gradients.However we can easily use numpy to fit a two-layer network to random data by manully implement the forward and backward pass through the network using numpy operations:
Numpy 提供了一个n维的数组对象, 并提供了许多操纵这个数组对象的函数. Numpy 是科学计算的通用框架; Numpy 数组没有计算图, 也没有深度学习, 也没有梯度下降等方法实现的接口. 但是我们仍然可以很容易地使用 numpy 生成随机数据 并将产生的数据传入双层的神经网络, 并使用 numpy 来实现这个网络的正向传播和反向传播:
# -*- coding: utf-8 -*-import numpy as np# N 是一个batch的样本数量; D_in是输入维度;
# H 是隐藏层向量的维度; D_out是输出维度.
N, D_in, H, D_out = 64, 1000, 100, 10# 创建随机的输入输出数据
x = np.random.randn(N, D_in)
y = np.random.randn(N, D_out)# 随机初始化权重参数print("输入维度D_in:", D_in)print("隐藏层向量维度H:", H)
w1 = np.random.randn(D_in, H)# print("w1:", w1)
w2 = np.random.randn(H, D_out)
# print("w2:", w2)
learning_rate = 1e-6
for t in range(500): # 前向计算, 算出y的预测值h = x.dot(w1)h_relu = np.maximum(h, 0)y_pred = h_relu.dot(w2)# 计算并打印误差值loss = np.square(y_pred - y).sum()
# print(t, loss)# print("t:",t)# 在反向传播中, 计算出误差关于w1和w2的导数grad_y_pred = 2.0 * (y_pred - y)grad_w2 = h_relu.T.dot(grad_y_pred)grad_h_relu = grad_y_pred.dot(w2.T)grad_h = grad_h_relu.copy()grad_h[h < 0] = 0grad_w1 = x.T.dot(grad_h)# 更新权重w1 -= learning_rate * grad_w1w2 -= learning_rate * grad_w2
转载于:https://www.cnblogs.com/hugeng007/p/10349326.html
HuaWeiCloud_model_arts相关推荐
最新文章
- 服务器安装系统时无法创建新的分区,重装系统出现“我们无法创建新的分区,也找不到现有的分区”...
- Javaweb中利用kaptcha生成验证码
- 天玥运维安全网关默认密码_Soul网关发布全新架构V2.2.0,让高性能网关变得如此简单
- CoreML实现的MobileNet
- python pexpect pxssh scp_python Pexpect 实现输密码 scp 拷贝的方法
- try-catch-finally的执行顺序
- ElasticSearch优化系列三:索引过程
- 路径问题--转发、重定向、表单、超链接
- List、Map、Set 三个接口,存取元素时的特点
- 算法分析c语言版+视频教程,数据结构c语言版
- 【原理分析】细说SpringBoot的自动装配原理
- xp系统升级到win7系统打印驱动的安装
- 将网页转换成PDF文件的N种方式
- 2023计算机毕业设计SSM最新选题之java一起学习吧s77u8
- ①测定预测精度的方法【误差】—②组合模型【线性组合模型+最优线性组合模型+贝叶斯组合模型】
- 寒江独钓学习笔记 -- 第四章 Hook分发函数 过滤键盘输入
- Unity3D基础3:贴图与材质球
- Unity3D 实现阴阳师 画符
- 【多多情报通】看完让人焕然大悟的6种拼多多店铺玩法
- c语言程序拍照,拍照并获取照片
热门文章
- 帮助你更好理解javascript中easing功能的网站 - Easings.net
- Javascript 中的 Function对象
- String insert()总结
- matlab同窗口显示图片,[求助]关于GUI的问题,如何在同一窗口里显示四副图片...........
- android简单歌词,Yuan-LrcView
- Mybatis使用总结
- matlab 自动控制仿真,Matlab在自动控制系统建模与仿真中的应用
- mongodb数据库淘汰_MongoDB 等 NoSQL 与关系型数据库相比,有什么优缺点及适用场景?...
- 058_Unicode字符官方标准九
- 005_CSS通配符选择器