[pytorch、学习] - 3.7 softmax回归的简洁实现
参考
3.7. softmax回归的简洁实现
使用pytorch实现softmax
import torch
from torch import nn
from torch.nn import init
import numpy as np
import sys
sys.path.append("..")
import d2lzh_pytorch as d2l
3.7.1. 获取和读取数据
batch_size = 256
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size)
3.7.2. 定义和初始化模型
num_inputs = 784
num_outputs = 10class LinearNet(nn.Module):def __init__(self, num_inputs, num_outputs):super(LinearNet, self).__init__()self.linear = nn.Linear(num_inputs, num_outputs) def forward(self, x):y = self.linear(x.view(x.shape[0], -1))return y
net = LinearNet(num_inputs, num_outputs)init.normal_(net.linear.weight, mean=0, std=0.01)
init.constant_(net.linear.bias, val=0)
3.7.3. softmax和交叉熵损失函数
loss = nn.CrossEntropyLoss()
3.7.4. 定义优化算法
optimizer = torch.optim.SGD(net.parameters(), lr=0.1)
3.7.5. 训练模型
num_epochs = 5
d2l.train_ch3(net, train_iter, test_iter, loss, num_epochs, batch_size, None, None, optimizer)
3.7.6. 测试
# 测试
X, y = iter(test_iter).next()true_labels = d2l.get_fashion_mnist_labels(y.numpy())
pred_labels = d2l.get_fashion_mnist_labels(net(X).argmax(dim=1).numpy())
titles = [true + '\n' + pred for true, pred in zip(true_labels, pred_labels)]d2l.show_fashion_mnist(X[0:9], titles[0:9])
[pytorch、学习] - 3.7 softmax回归的简洁实现相关推荐
- [pytorch、学习] - 3.6 softmax回归的从零开始实现
参考 3.6 softmax回归的从零开始实现 import torch import torchvision import numpy as np import sys sys.path.appen ...
- softmax回归的简洁实现-09-p5
softmax回归的简洁实现 通过深度学习框架的高级API能够使实现 softmax 回归变得更加容易 import torch from torch import nn from d2l impor ...
- Pytorch总结三之 softmax回归用于分类问题
Pytorch总结三之 softmax回归用于分类问题 上篇博文Pytorch总结二之线性回归算法原理与实现介绍的线性回归模型适⽤于输出为连续值的情景. 在另⼀类情景中,模型输出可以是⼀个像图像类别这 ...
- pytorch学习笔记(九):softmax回归的简洁实现
文章目录 1. 获取和读取数据 2. 定义和初始化模型 3. softmax和交叉熵损失函数 4. 定义优化算法 5. 训练模型 6. 总代码 7.小结 使用Pytorch实现一个softmax回归模 ...
- softmax回归的简洁实现
我们发现(通过深度学习框架的高级API能够使实现) (softmax) 线性(回归变得更加容易). 同样,通过深度学习框架的高级API也能更方便地实现softmax回归模型. 本节如在 :numref ...
- 深度学习(李沐)—————Softmax回归
此次测试发现老是发现缺包,后面发现装的位置不对.先看一下环境文件 发现自己的用户名是gluon ,所以应该在d21-zh文件目录下进cmd应该输入conda activate gluon 然后在各种p ...
- 【学习笔记】softmax回归与mnist编程
我们之前谈到了2元分类,但是有时候我们需要多元分类,这时候sigmoid函数就不再适用了. 假如我们需要三个分类,而输出层在激活函数之前得到的值为3.,4.,5. ,如果我们用sigmoid: ses ...
- 动手学深度学习第九节softmax回归中FashionMNIST数据集无法加载的解决方法
在电脑上运行本节代码时最开始下载FashionMNIST时出了问题,自己折腾了很长时间才加载出本地数据集,希望给同样遇到问题的朋友以参考. 环境:VScode 直接下载时出现问题(响应时间过长,未完成 ...
- 深度学习PyTorch笔记(12):线性神经网络——softmax回归
深度学习PyTorch笔记(12):线性神经网络--softmax回归 6 线性神经网络--softmax回归 6.1 softmax回归 6.1.1 概念 6.1.2 softmax运算 6.2 图 ...
最新文章
- AppStore 提供的App信息查询的WebService
- java.lang.ClassNotFoundException: com.microsoft.jdbc.sqlserver.SQLServerDriver
- leetcode算法题--矩阵区域和
- CentOS 7 用yum安装 MySQL
- python练手程序_100个python练手小程序
- Spring5的集成兼容
- java中find方法_Java Document.find方法代码示例
- JavaFX UI控件教程(七)之Checkbox
- linux c url下载文件,OpenCV教程之使用cmake生成MakeFile时下载文件
- 线性存储的最短平均检索时间(洛谷P1253题题解,Java语言描述)
- 来了!华为首款5G双模手机Mate 20 X (5G)发布:这个价格香吗?
- step与matlab的opc,wincc与matlab通过OPC通讯
- 搜索引擎下拉食云速捷详细_详细解析关键词与搜索引擎之间的霸屏关系
- 如何跟成功的男人谈恋爱?
- 关于自增自减的理解2(例子)
- vue学习项目之去哪儿网笔记
- 模型类中的常用字段类型
- 【从零开始学架构-李运华】02|架构设计的历史背景
- DGIOT国内首家轻量级物联网开源平台——真实电表接入实战教程
- CPU框架~ 什么是X86 ?~什么是ARM ? 华为鲲鹏云是什么?
热门文章
- 高性能计算机 和服务器,一种高性能计算机服务器
- linux mkdir绝对路径,linux学习(六)绝对路径、相对路径、cd、mkdir、rmdir、rm(示例代码)...
- linux move权限,Red Hat Enterprise Virtualization Manager MoveDisk目标域权限检查不足拒绝服务漏洞...
- boot idea无法识别spring_idea搭建springboot项目
- opencv利用矩形框选中某一区域_【从零学习OpenCV】4Ubuntu系统中安装OpenCV 4
- 基于单片机的自动追日系统设计_基于单片机的自动浇花系统的设计
- hdfs数据节点分发什么协议_分布式文件系统HDFS解析
- 受限玻尔兹曼机准备知识——蒙特卡洛方法
- 亲历2013年TED大会:全球最潮灵感大会
- 使用fastjson的parseObject方法将json字符串转换成Map 或者List