Pytorch系列笔记（六）

我们来看看逻辑回归（Logistic Regression）
还是以上文中的例子来进行，假设只要得到一定分数就可以看作可以通过考试：
相当于我们不再预测学习4小时可以得到的成绩，而是判断学习4小时是否可以通过考试。
在分类中，模型的输出是输入属于确切类别的概率。
我们可以引入sigmond函数：

可以进行归一化处理，方便我们可以进行相关的分类任务。

Loss Function也发生了上述的变化。
我们也可以使用mini-batch
以下附上完整代码：

import torch
x_data = torch.Tensor([[1.0], [2.0], [3.0]])
y_data = torch.Tensor([[0], [0], [1]])
class LogisticRegressionModel(torch.nn.Module):
def __init__(self):
super(LogisticRegressionModel, self).__init__()
self.linear = torch.nn.Linear(1, 1)
def forward(self, x):
y_pred = F.sigmoid(self.linear(x))
return y_pred
model = LogisticRegressionModel()
criterion = torch.nn.BCELoss(size_average=False)
optimizer = torch.optim.SGD(model.parameters(), lr=0.01)
for epoch in range(1000):
y_pred = model(x_data)
loss = criterion(y_pred, y_data)
print(epoch, loss.item())
optimizer.zero_grad()
loss.backward()
optimizer.step()

我们可以绘制图像来观察具体的变化

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0, 10, 200)
x_t = torch.Tensor(x).view((200, 1))
y_t = model(x_t)
y = y_t.data.numpy()
plt.plot(x, y)
plt.plot([0, 10], [0.5, 0.5], c='r')
plt.xlabel('Hours')
plt.ylabel('Probability of Pass')
plt.grid()
plt.show()

Pytorch系列笔记（六）相关推荐

机器学习系列笔记六:主成分分析PCA[下]
机器学习系列笔记六:主成分分析PCA[下] 文章目录机器学习系列笔记六:主成分分析PCA[下] scikit-learn中的PCA 基本使用进阶操作对比实验设置合理的n_components ...
Pytorch系列笔记（九）
我们来看看Softmax分类器. 这是我们常见的一个神经网络模型.在输出的时候我们常常会遇到多分类问题,这时就需要我们应用Softmax函数来发挥作用了. 如图就是一个简单的Softmax函数,它只是 ...
Pytorch系列笔记（二）
首先我们设想这样一个场景: 在已知学习1,2,3小时以后的成绩的前提下,我们要预测学生如果学习4小时将会取得怎样的成绩.就如下图所示: 那么我们可以选择一个线性模型(Linear Model)
计算机网络系列笔记(六) - 物理层
数据通信基础常见数据通信术语信源: 将消息转换为信号的设备发送设备: 将信源产生的信号进行适当的变换装置, 使之适合于在信道中传输, 主要包括编码和调制信道: 信号传输通道, 如物理介质噪声 ...
【pytorch基础笔记六】基于CYCLEGAN的马转斑马尝试
[参考资料] [1]https://github.com/aitorzip/PyTorch-CycleGAN [2]<深入浅出GAN生成对抗网络> 8.2 CycleGan 尝试了下cyc ...
Pytorch学习笔记总结
往期Pytorch学习笔记总结: 1.Pytorch实战笔记_GoAI的博客-CSDN博客 2.Pytorch入门教程_GoAI的博客-CSDN博客 Pytorch系列目录: PyTorch学习笔记( ...
PyTorch 学习笔记（六）：PyTorch hook 和关于 PyTorch backward 过程的理解 call
您的位置首页 PyTorch 学习笔记系列 PyTorch 学习笔记(六):PyTorch hook 和关于 PyTorch backward 过程的理解发布: 2017年8月4日 7,195阅读 ...
PyTorch学习笔记（六）：PyTorch进阶训练技巧
PyTorch实战:PyTorch进阶训练技巧往期学习资料推荐: 1.Pytorch实战笔记_GoAI的博客-CSDN博客 2.Pytorch入门教程_GoAI的博客-CSDN博客本系列目录: P ...
PyTorch学习笔记（六）——Sequential类、参数管理与GPU
系列文章\text{\bf 系列文章}系列文章 PyTorch学习笔记(一)--Tensor的基础语法 PyTorch学习笔记(二)--自动微分 PyTorch学习笔记(三)--Dataset和Dat ...

Pytorch系列笔记（六）

Pytorch系列笔记（六）相关推荐

最新文章

热门文章