1、代码实现

步骤：

获得数据
建立逻辑回归模型
定义损失函数
计算损失函数
求解梯度
梯度更新
预测测试集

import torch
import torch.nn as nn
import numpy as np
import matplotlib.pyplot as plt
from torch.autograd import Variable
import torchvision.datasets as dataset
import torchvision.transforms as transforms
from torch.utils.data import DataLoaderinput_size = 784  # 输入到逻辑回归模型中的输入大小
num_classes = 10  # 分类的类别个数
num_epochs = 10  # 迭代次数
batch_size = 50  # 批量训练个数
learning_rate = 0.01  # 学习率# 下载训练数据和测试数据
train_dataset = dataset.MNIST(root='./data', train=True, transform=transforms.ToTensor(), download=True)
test_dataset = dataset.MNIST(root='./data',train=False, transform=transforms.ToTensor)# 使用DataLoader形成批处理文件
train_loader = DataLoader(dataset=train_dataset, batch_size=batch_size, shuffle=True)
test_loader = DataLoader(dataset=test_dataset, batch_size=batch_size, shuffle=False)# 创建逻辑回归类模型  (sigmoid(wx+b))
class LogisticRegression(nn.Module):def __init__(self,input_size,num_classes):super(LogisticRegression,self).__init__()self.linear = nn.Linear(input_size,num_classes)self.sigmoid = nn.Sigmoid()def forward(self, x):out = self.linear(x)out = self.sigmoid(out)return out# 设定模型参数
model = LogisticRegression(input_size, num_classes)
# 定义损失函数，分类任务，使用交叉熵
criterion = nn.CrossEntropyLoss()
# 优化算法，随机梯度下降，lr为学习率，获得模型需要更新的参数值
optimizer = torch.optim.SGD(model.parameters(), lr=learning_rate)# 使用训练数据训练模型
for epoch in range(num_epochs):# 批量数据进行模型训练for i, (images, labels) in enumerate(train_loader):# 需要将数据转换为张量Variableimages = Variable(images.view(-1, 28*28))labels = Variable(labels)# 梯度更新前需要进行梯度清零optimizer.zero_grad()# 获得模型的训练数据结果outputs = model(images)# 计算损失函数用于计算梯度loss = criterion(outputs, labels)# 计算梯度loss.backward()# 进行梯度更新optimizer.step()# 每隔一段时间输出一个训练结果if (i+1) % 100 == 0:print('Epoch:[%d %d], Step:[%d/%d], Loss: %.4f' % (epoch+1,num_epochs,i+1,len(train_dataset)//batch_size,loss.item()))# 训练好的模型预测测试数据集
correct = 0
total = 0
for images, labels in test_loader:images = Variable(images.view(-1, 28*28))  # 形式为(batch_size,28*28)outputs = model(images)_,predicts = torch.max(outputs.data,1)  # _输出的是最大概率的值，predicts输出的是最大概率值所在位置，max()函数中的1表示维度，意思是计算某一行的最大值total += labels.size(0)correct += (predicts==labels).sum()print('Accuracy of the model on the 10000 test images: %d %%' % (100 * correct / total))

2、踩过的坑

在代码中下载训练数据和测试数据的时候，两段代码是有区别的：

train_dataset = dataset.MNIST(root='./data', train=True, transform=transforms.ToTensor(), download=True)
test_dataset = dataset.MNIST(root='./data',train=False, transform=transforms.ToTensor)

第一段代码中多了一个download=True，这个的作用是，如果为True，则从Internet下载数据集并将其存放在根目录中。如果数据已经下载，则不会再次下载。

在第二段代码中没有加download=True，加了的话在使用测试数据进行预测的时候会报错。

代码中transform=transforms.ToTensor()的作用是将PIL图像转换为Tensor，同时已经进行归一化处理。

代码中设置损失函数：

criterion = nn.CrossEntropyLoss()
loss = criterion(outputs, labels)

一开始的时候直接使用：

loss = nn.CrossEntropyLoss()
loss = loss(outputs, labels)

这样也会报错，因此需要将loss改为criterion。

用Pytorch实现逻辑回归分类相关推荐

python利用什么写模板_Python利用逻辑回归分类实现模板
Logistic Regression Classifier逻辑回归主要思想就是用最大似然概率方法构建出方程,为最大化方程,利用牛顿梯度上升求解方程参数. 优点:计算代价不高,易于理解和实现. 缺点: ...
spark java 逻辑回归_逻辑回归分类技术分享，使用Java和Spark区分垃圾邮件
原标题:逻辑回归分类技术分享,使用Java和Spark区分垃圾邮件由于最近的工作原因,小鸟很久没给大家分享技术了.今天小鸟就给大家介绍一种比较火的机器学习算法,逻辑回归分类算法. 回归是一种监督式学 ...
R语言使用逻辑回归分类算法
R语言使用逻辑回归分类算法逻辑回归属于概率统计的分类算法模型的算法,是根据一个或者多个特征进行类别标号预测.在R语言中可以通过调用logit函数执行逻辑回归分类算法并预测输出概率.通过调用glm函数 ...
python机器学习基础05——sklearn之逻辑回归+分类评价指标
文章目录逻辑回归逻辑回归的损失函数逻辑回归API 分类模型的评价指标混淆矩阵准确率召回率(较多被使用) 精确率 f1-score:精确率和召回率的调和平均数 AUC 逻辑回归逻辑回归是经 ...
数据挖掘—逻辑回归分类—信用卡欺诈分析
文章目录 1.分析目的: 2.掌握要点: 3.构建逻辑回归分类器 4.模型评估指标 5.精确度和召回率(不平衡数据衡量指标) 6.案例分析: 1.分析目的: 信用卡欺诈的危害性大,如何通过遗忘的交易数 ...
树模型与线性模型的区别决策树分类和逻辑回归分类的区别【总结】
树模型与线性模型的区别在于: (一)树模型 ①树模型产生可视化的分类规则,可以通过图表表达简单直观,逐个特征进行处理,更加接近人的决策方式 ②产生的模型可以抽取规则易于理解,即解释性比线性模型强. ...
java基础巩固-宇宙第一AiYWM：为了维持生计，编程语言番外篇之机器学习（项目预测模块总结：线性回归算法、逻辑回归分类算法）~整起
机器学习一.机器学习常见算法(未完待续...) 1.算法一:线性回归算法:找一条完美的直线,完美拟合所有的点,使得直线与点的误差最小 2.算法二:逻辑回归分类算法 3.算法三:贝叶斯分类算法 4.算 ...
编程实践-逻辑回归分类算法--马的疝气病症分类
#!/usr/bin/env python3 # -*- coding: utf-8 -*- """ 逻辑回归分类 @dataset:马的疝气病症数据集Horse Col ...
逻辑回归分类鸢尾花和红酒等级
逻辑回归分类鸢尾花和红酒等级源代码以及训练数据和测试数据已上传:https://download.csdn.net/download/j__max/10816259 一.实验准备 1.实验内容和目的 ...

用Pytorch实现逻辑回归分类

目录

1、代码实现

2、踩过的坑

用Pytorch实现逻辑回归分类相关推荐

最新文章

热门文章