pytorch 神经网络套路实现一维输入特征的二分类

1.问题描述：

x表示学习时长，y表示能否通过考核。预测学习时长为4时，能否通过考试。

2.模型，损失函数，优化器：

模型：线性模型，y_pred=wx+b或y_pred=wx,偏置可以在建立模型时选择bias=True

损失函数：

优化器：SGD随机梯度下降

3.python代码：

import numpy as np
import torch
from torch import nn
import matplotlib.pyplot as plt
from torch import optim
from torch.nn import Linear, BCELoss# 准备数据集,注意最外层两个方括号，Tensor类型
x_data = torch.Tensor([[1.0], [2.0], [3.0]])
y_data = torch.Tensor([[0], [0], [1]])# 建立模型，线性+sigmoid
class model(nn.Module):def __init__(self):super(model, self).__init__()self.linear = Linear(1, 1)def forward(self, x):x = torch.sigmoid(self.linear(x))return x#类实例化
my_model = model()#二分类问题，BCELoss
loss_cal = BCELoss(size_average=True)#创建优化器
optimizer = optim.SGD(my_model.parameters(), lr=0.01)for epoch in range(10000):#前向计算y_pred = my_model(x_data)loss = loss_cal(y_pred, y_data)#梯度清零optimizer.zero_grad()#反向传播loss.backward()#参数调整optimizer.step()#测试用例
x_test = np.linspace(1, 10, 200)
x_test1 = torch.Tensor(x_test).view(200, 1)
y_test1 = my_model(x_test1)
y_test = y_test1.data.numpy()
plt.figure()
plt.plot(x_test, y_test)
plt.plot([1, 10], [0.5, 0.5])
plt.xlabel("time used to study pytorch")
plt.ylabel("possibility of passing exams")
plt.show()

4.可视化结果：

x表示学习时长，蓝线表示通过的概率，可以看到，学习时间越长，通过的概率越高。

（疯狂内涵）

5.以上均为个人学习pytorch基础入门中的基础，浅做记录，如有错误，请各位大佬批评指正！

6.关于问题描述和原理的部分图片参考刘老师的视频课件，本文也是课后作业的一部分，特此附上视频链接，《PyTorch深度学习实践》完结合集_哔哩哔哩_bilibili，希望大家都有所进步！

pytorch 神经网络套路实现一维输入特征的二分类相关推荐

（！详解 Pytorch实战：①）kaggle猫狗数据集二分类：加载（集成/自定义）数据集
这系列的文章是我对Pytorch入门之后的一个总结,特别是对数据集生成加载这一块加强学习另外,这里有一些比较常用的数据集,大家可以进行下载: 需要注意的是,本篇文章使用的PyTorch的版本是v0. ...
Keras之MLP：利用MLP【Input(8)→(12)(relu)→O(sigmoid+二元交叉)】模型实现预测新数据(利用糖尿病数据集的八个特征实现二分类预测
Keras之MLP:利用MLP[Input(8)→(12)(relu)→O(sigmoid+二元交叉)]模型实现预测新数据(利用糖尿病数据集的八个特征实现二分类预测目录输出结果实现代码输出结果 ...
Keras之DNN：利用DNN【Input(8)→(12+8)(relu)→O(sigmoid)】模型实现预测新数据(利用糖尿病数据集的八个特征进行二分类预测
Keras之DNN:利用DNN[Input(8)→(12+8)(relu)→O(sigmoid)]模型实现预测新数据(利用糖尿病数据集的八个特征进行二分类预测目录输出结果设计思路实现代码输出 ...
pytorch 入门学习使用逻辑斯蒂做二分类-6
pytorch 入门学习使用逻辑斯蒂做二分类使用pytorch实现逻辑斯蒂做二分类 import torch import torchvision import numpy as np import ...
机器学习——人工神经网络之BP算法编程（python二分类数据集：马疝病数据集）
目录一.理论知识回顾 1.神经网络模型 2.明确任务以及参数 1)待估参数: 2)超参数: 3)任务 3.神经网络数学模型定义 1)激活函数 2)各层权重.阈值定义 3)各层输入输出定义 4.优 ...
【Pytorch神经网络实战案例】40 TextCNN模型分析IMDB数据集评论的积极与消极
卷积神经网络不仅在图像视觉领域有很好的效果,而且在基于文本的NLP领域也有很好的效果.TextCN如模型是卷积神经网络用于文本处理方面的一个模型. 在TextCNN模型中,通过多分支卷积技术实现对文本 ...
【Pytorch神经网络基础理论篇】 07 线性回归 + 基础优化算法
一.线性代数回归是指一类为一个或多个自变量与因变量之间关系建模的方法.在自然科学和社会科学领域,回归经常用来表示输入和输出之间的关系. 在机器学习领域中的大多数任务通常都与预测(prediction ...
Pytorch深度学习实践（b站刘二大人）P10讲 (CNN卷积神经网络基础篇)
1.全连接网络指的是网络里面用的都是线性层,如果一个网络全都由线性层串行连接起来,就叫做全连接网络在线性层里面输入和每一个输出值之间都存在权重,即每一个输入节点都要参与到下一层输出节点的计算上,这 ...
pytorch神经网络因素预测_实战：使用PyTorch构建神经网络进行房价预测
微信公号:ilulaoshi / 个人网站:lulaoshi.info 本文将学习一下如何使用PyTorch创建一个前馈神经网络(或者叫做多层感知机,Multiple-Layer Perceptron ...

pytorch 神经网络套路实现一维输入特征的二分类

pytorch 神经网络套路实现一维输入特征的二分类相关推荐

最新文章

热门文章

pytorch 神经网络套路 实现一维输入特征的二分类

pytorch 神经网络套路 实现一维输入特征的二分类相关推荐

最新文章

热门文章

pytorch 神经网络套路实现一维输入特征的二分类

pytorch 神经网络套路实现一维输入特征的二分类相关推荐