【Kaggle-MNIST之路】两层的神经网络Pytorch（改进版）（二）

简述

【Kaggle-MNIST之路】两层的神经网络Pytorch（四行代码的模型）

基于我的上一篇文章改进。
其实就是把损失函数调整了一下。

从CrossEntroyLoss到MultiMarginLoss。

得分：0.81
排名：2609

代码

import pandas as pd
import torch.utils.data as data
import torch
import torch.nn as nnfile = './all/train.csv'
LR = 0.01class MNISTCSVDataset(data.Dataset):def __init__(self, csv_file, Train=True):self.dataframe = pd.read_csv(csv_file, iterator=True)self.Train = Traindef __len__(self):if self.Train:return 42000else:return 28000def __getitem__(self, idx):data = self.dataframe.get_chunk(100)ylabel = data['label'].as_matrix().astype('float')xdata = data.ix[:, 1:].as_matrix().astype('float')return ylabel, xdatamydataset = MNISTCSVDataset(file)train_loader = torch.utils.data.DataLoader(mydataset, batch_size=1, shuffle=True)net = nn.Sequential(nn.Linear(28 * 28, 100),nn.ReLU(),nn.Linear(100, 10)
)loss_function = nn.MultiMarginLoss()
optimizer = torch.optim.Adam(net.parameters(), lr=LR)
for step, (yl, xd) in enumerate(train_loader):output = net(xd.squeeze().float())yl = yl.long()loss = loss_function(output, yl.squeeze())optimizer.zero_grad()loss.backward()optimizer.step()if step % 20 == 0:print('step %d' % step, loss)torch.save(net, 'divided-net.pkl')

【Kaggle-MNIST之路】两层的神经网络Pytorch（改进版）（二）相关推荐

【Kaggle-MNIST之路】两层的神经网络Pytorch（四行代码的模型）
简述第一次学习Kaggle.按照之前的要求,先搞个简单的版本来慢慢完善. 所以,第一次的版本特别烂(hhhh). 任务描述对mnist数据集进行贴标签.(给图片数据(向量),输出对应的标签.) 得 ...
TensorFlow精进之路（七）：关于两层卷积神经网络对CIFAR-10图像的识别
1.概述在前面已经对官方的CIFAR10图像识别模块进行分析,但如果只做到这一步感觉还是不够,没能做到举一反三以及对之前学的知识的巩固,所以这一节,我打算结合之前学的双层卷积神经网络自己写一个dem ...
神经网络 pytorch 分类二维矩阵图像和一维向量的方法
在网上找资料的过程中,发现并没有特别细致的讲解分类图像和分类一维向量的做法,导致我捅咕了有几天才弄明白,可能使我比较菜吧......现在在这里记录一下. 首先需要明确,前文我们已经讲解了包装数据集的方 ...
tensorflow 进阶(三),BP神经网络之两层hidden_layer
本文与上一篇文章有一点不同,就是中间的隐藏层由一层变成两层,在神经网络搭建的过程中,曾出现一点问题,就是正确率图突然变成0.11,通过调整隐藏节点的数量和W2的初值,正确率达到0.97,不如只有一层神 ...
吴恩达机器学习笔记——含一个隐藏层的神经网络
含一个隐藏层的神经网络含一个隐藏层的神经网络构造如下图所示: 其中记号用a上标的方括号a[n]a^{[n]}a[n]代表是第n层的a,用下标表示是某一层下面的某一个神经元,如图中的a1[2]a^{[ ...
C语言中阶第四篇：分支与循环语句练习，求阶乘的多种方法（两层for循环求阶乘）、二分查找、字符串汇聚以及模拟用户登录
业精于勤荒于嬉,行成于思毁于随. 今天就来综合的联系一下前面的知识. 第十篇一.for语句,两种方法计算阶乘 1.1.一层for循环求阶乘 1.2.实现阶乘累和 1.3.两层for循环求阶乘二.i ...
TensorFlow精进之路（三）：两层卷积神经网络模型将MNIST未识别对的图片筛选出来
1.概述自从开了专栏<TensorFlow精进之路>关于对TensorFlow的整理思路更加清晰.上两篇讲到Softmax回归模型和两层卷积神经网络模型训练MNIST,虽然使用神经网络能 ...
Lesson 11.1-11.5 梯度下降的两个关键问题反向传播的原理走出第一步：动量法开始迭代：batch和epochs在Fashion—MNIST数据集熵实现完整的神经网络
在之前的课程中,我们已经完成了从0建立深层神经网络,并介绍了各类神经网络所使用的损失函数.本节课开始,我们将以分类深层神经网络为例,为大家展示神经网络的学习和训练过程.在介绍PyTorch的基本工具A ...
二隐层的神经网络实现MNIST数据集分类
二隐层的神经网络实现MNIST数据集分类传统的人工神经网络包含三部分,输入层.隐藏层和输出层.对于一个神经网络模型的确定需要考虑以下几个方面: 隐藏层的层数以及各层的神经元数量各层激活函数的选择 ...

【Kaggle-MNIST之路】两层的神经网络Pytorch（改进版）（二）

简述

代码

【Kaggle-MNIST之路】两层的神经网络Pytorch（改进版）（二）相关推荐

最新文章

热门文章