Pytorch神经网络气温预测中注意事项

1. 第一次使用Pytorch做神经网络需要安装的包

pandas，numpy，torch，tensorflow（我不知道pytorch框架下为什么需要tensorflow，但是事实是其中有一个小文件，里面import了tensorflow，后续搞明白了，会进行说明或者更改），matplotlib(这应该是一个画图制表的包），sklearn（对数据进行预处理用），大概是这些。环境配置，是先做好pytorch的搭建，需要的包自行下载就好。pycharm里面报错的红色线，可以直接在该环境下下载，非常好用。（里面的函数慢慢了解吧）

2. 数据预处理的过程

重点：

1、将字符类型进行编码，从而可以参与训练，使用函数pd.get_dummies，会将字符串进行0，1编码。

2、气温数据相差太大，用标准化将数据差距减小，从而避免训练过程对大数据的偏重。使用函数： preprocessing.StandardScaler().fit_transform(features)

3. 我遇到的错误和不解

当我更改隐层层数时，会无法收敛，更新方式，为手写的梯度下降，迭代也清空了。暂时还未解决，解决了会更新这部分内容。这个问题，在调包进行网络设计时，就不存在了。但是自己这样写就会有。如果只用两层，就能收敛。

暂时写这么多，更改见之后文章。刚入门，希望大家指点，内容可能有说错的地方，仅供一丢丢参考。

4. 一个pytorch项目的基本流程。

1. 数据预处理：包括不同类型，不合适大小的修正，更适合训练的调整（例如上文所述标准化），还有数据打包（dataloader，一个epoch分成好几个batch，具体细节后续弄懂了补上）。

2. 构造函数：网络的设计（包含卷积层，全连接层，batchnormalization或者dropout的设计，损失函数，优化器的选择）

3. 前向传播：即训练过程（目前是这么理解的），反向传播在pytorch里面直接写函数。