深度学习实践

【PyTorch深度学习实践】深度学习之反向传播，用PyTorch实现线性回归和Logistic回归

文章目录前言一、反向传播二、用PyTorch实现线性回归三、Logistic回归总结前言继上一节讲的线性模型和梯度下降法后，本节将在此基础上讲解反向传播，用PyTorch实现线性回归和Logistics回归一、反向传播误差反向传播法（Back-propagation,BP）会计算神经网络中损失函数对各参数的梯度，配合优化方法更新参数，降低损失函数。BP本来只指损失函数对参数的梯度通过网络反向流动的
今天又干了些什么呢·2023-01-10 16:25

Pytorch深度学习实践-反向传播

反向传播原理学习内容来自刘二大人深度学习实践课程https://b23.tv/ELo6f7以及博客https://www.cnblogs.com/charlotte77/p/5629865.html下面是反向传播代码实现二次模型
L_Moonshine·2023-01-10 16:54

PyTorch深度学习实践05用pytorch实现线性回归 __call__ 和forward函数

PyTorch深度学习实践05用pytorch实现线性回归call和forward函数__call__先上结论：model（x_data）到底是怎么调用的：相当于model(x_data)实际上调用的是
念旧人丶·2023-01-10 16:53

PyTorch深度学习实践——4.反向传播＆作业

课程链接：《PyTorch深度学习实践》4.反向传播思路：1、先算损失loss2、算反向传播backwardloss.backward():dloss\dw==w.grad（Tensor）3、更新权重ww.data
青芒小智·2023-01-10 16:22

PyTorch深度学习实践——用pytorch实现线性回归

参考资料参考资料1：https://blog.csdn.net/bit452/article/details/109677086参考资料2：http://biranda.top/Pytorch%E5%AD%A6%E4%B9%A0%E7%AC%94%E8%AE%B0005%E2%80%94%E2%80%94%E5%8F%8D%E5%90%91%E4%BC%A0%E6%92%AD%E7%AE%97%E
没有人会真的躺平·2023-01-10 16:52

pytorch深度学习实践4——反向传播

利用pytorch实现反向传播，简单代码#-*-coding:utf-8-*-"""SpyderEditorThisisatemporaryscriptfile."""importtorchx_data=[1.0,2.0,3.0]y_data=[2.0,4.0,6.0]w=torch.Tensor([1.0])w.requires_grad=Truedefforward(x):returnx*wd
Hao &·2023-01-10 16:49

pytorch深度学习实践_p5_用pytorch实现线性回归

知识点补充torch.nn.Linear(input_dim,output_dim)input_dim:输入的维度，即特征x的个数output_dim:输出的维度，即输出y的个数torch.nn.MSELoss(size_average=True,reduce=True)size_average:True表示求batch中损失值的平均数；False表示求batch损失值的总和。默认为True。re
L_halley·2023-01-10 16:48

【PyTorch深度学习实践】03_反向传播

文章目录1.计算图2.反向传播2.1链式求导法则2.2反向传播过程3.Pytorch中前馈和反馈的计算3.1Tensor3.2代码演示对于简单的模型，梯度变换可以用解析式表达进行手算，但是复杂模型（很多w，b）的损失函数需要挨个写解析式，非常不好计算（主要是求导）。因此，可以考虑使用某种算法，把整个网络看做一个计算图，在图上传播整个梯度。这种算法，就称为反向传播算法。转载：梯度下降法是通用的优化算
青山的青衫·2023-01-10 16:46

【PyTorch深度学习实践】04_用PyTorch实现线性回归

文章目录1.模型训练步骤2.实现过程2.1准备数据集2.2设计模型2.3设计损失函数和优化器2.4训练过程3.完整代码1.模型训练步骤1.准备数据集dataset和dataloader2.设计模型3.构造损失函数和优化器4.训练过程前馈（算损失）、反馈（算梯度）、更新（用梯度下降更新）2.实现过程2.1准备数据集importtorch#x，y这里都是张量x_data=torch.tensor([[
青山的青衫·2023-01-10 16:46

深度学习实践必备工具

下面是自己对深度学习过程中一些工具的知识点的总结，希望能对你有帮助。如果疑问或错误欢迎交流！自己目前的程度也是比较浅的，但是算可以自己远程服务器，改代码，跑实验。搭建好了这些基础环境后，接下来要做的就是多看论文多做实验了！自己只是初探这个领域，接下来的新认识，还会不断更新此文章！目录环境连接工具（基于win10）穿透工具一些小工具（需要可以找我要）一些常用命令Linuxanacoda深度入门书籍视
大海Git·2023-01-10 10:46

Pytorch深度学习实践（b站刘二大人）P11讲 (CNN卷积神经网络高级篇)

1.GoogLeNet：蓝色的块是卷积，红色的块是池化，黄色的是softmax减少代码冗余：函数/类当网络结构复杂，对于类似或者相同的子结构，就可以把这个子结构（块）封装成一个类GoogleNet，常被用作基础主干网络，图中红色圈出的一个部分称为Inception块2.InceptionModule解析卷积核的大小：GoogleNet的下面这个块出发点是不知道多大的卷积核好用，那就在一个块里面把这
努力学习的朱朱·2023-01-09 22:20

PyTorch 深度学习实践 GPU版本B站 刘二大人第11讲卷积神经网络(高级篇)GPU版本

第11讲卷积神经网络(高级篇)GPU版本源代码原理是基于B站刘二大人：传送门PyTorch深度学习实践——卷积神经网络(高级篇)这篇基于博主错错莫：传送门深度学习实践第11讲博文仅在他的基础上加入了GPU
中杯可乐多加冰·2023-01-09 22:18

Pytorch 深度学习实践Lecture_9 Softmax Classifier

up主刘二大人视频链接刘二大人的个人空间_哔哩哔哩_Bilibili使用Softmax预测多分类问题输出需要满足分布的条件1)2)假设是最后一层的输出，Softmax公式为示例损失函数(交叉熵)numpy计算loss示例：importnumpyasnpy=np.array([1,0,0])z=np.array([0.2,0.1,-0.1])y_pred=np.exp(z)/np.exp(z).su
endeavor`·2023-01-09 19:14

学习日记（三）

目录PyTorch学习Sklearn学习前沿如何从GitHub下载csv文件PyTorch学习《PyTorch深度学习实践》完结合集-刘二大人https://blog.csdn.net/weixin_44410569
沟壑星空qq_42946961·2023-01-09 19:31

《PyTorch深度学习实践》第十三课（循环神经网络RNN高级版）

b站刘二视频，地址：《PyTorch深度学习实践》完结合集_哔哩哔哩_bilibili网络模型通过RNN模型，实现输出名字，对应出国家的功能构造数据列表长短不一，构造成一样将国家做成输出索引导入数据如果以后数据集为
falldeep·2023-01-09 08:35

3 PyTorch读入各类形式的数据

欢迎订阅本专栏：《PyTorch深度学习实践》订阅地址：https://blog.csdn.net/sinat_33761963/category_9720080.html第二章：认识Tensor的类型
王小小小草·2023-01-08 13:01

《PyTorch深度学习实践》-B站 刘二大人-day1

第2讲linear_model源代码B站刘二大人，传送门PyTorch深度学习实践——线性模型代码说明：1、函数forward()中，有一个变量w。这个变量最终的值是从for循环中传入的。
爱编程的西瓜·2023-01-07 17:13

刘二大人《pytorch深度学习实践作业》 code1

#code1importnumpyasnpimportmatplotlib.pyplotaspltfrommpl_toolkits.mplot3dimportAxes3Dx_data=[1.0,2.0,3.0]y_data=[2.0,4.0,6.0]defforward(x):  returnx*w+bdefloss(x,y):  y_pred=forward(x)  return(y_pred-
little red519·2023-01-07 17:13

刘二大人 PyTorch深度学习实践 笔记 P12 循环神经网络（基础篇）

刘二大人PyTorch深度学习实践笔记P12循环神经网络（基础篇）P12循环神经网络（基础篇）一、基本概念1、Basic_RNN2、RNNCell二、RNN的两种实现方式1、RNNCell单元模块的实现
小白*进阶ing·2023-01-07 17:40

PyTorch处理多维特征的输入

importnumpyasnpimporttorchimportmatplotlib.pyplotaspltimporttorch.nn.functionalasF#1.preparedatasetxy=np.loadtxt('E:\深度学习\PyTorch深度学习实践
还记得樱花正开~·2023-01-07 17:34

（刘二大人）PyTorch深度学习实践-反向传播（作业）

1.针对y_hat=w1*x^2+w2*x+b的反向传播计算图构建2.代码实现importtorchimportnumpyasnpimportmatplotlib.pyplotasplt#准备数据x_data=torch.Tensor([1.0,2.0,3.0])y_data=torch.Tensor([7.0,16.0,29.0])w1=torch.Tensor([1.0])#2为最佳w1.re
Catherine_bling·2023-01-07 16:02

pytorch 深度学习实践思维导图

Pytorch实现线性回归线性回归数据集和数据加载多分类问题CNN基础CNN高级篇RNN基础RNN高级篇附刘二大人B站视频地址《PyTorch深度学习实践》完结合集
qq_43178462·2023-01-07 09:26

Pytorch实践----06.Logistic Regression逻辑斯蒂回归

学习刘二大人《PyTorch深度学习实践》B站地址：B站视频逻辑斯蒂回归虽然叫和回归，但其实是为了解决分类问题importtorchimporttorch.nnasnnimporttorch.nn.functionalasFx_data
一郭不够吃·2023-01-06 13:33

《PyTorch深度学习实践》P13循环神经网络RNN高级篇

全部代码在最后面。分类任务：用名字识别出语言；这里每一个名字实际上是一个序列，(序列长短不一致)例如Maclean，->Maclean==x1,x2,x3,x4,x5,x6,x7①准备数据用ASCII码来表示;序列长短不一:用padding对标签Y也做成词典：将来就可以再这个词典里查找对数据（.gz类型）的读取：不同数据类型用不同包去读取！制作键值对表：code：defgetConutryDict
XD101DX·2023-01-06 07:11

《PyTorch深度学习实践》P13 循环神经网络高级篇 代码

1根据自己的环境改下main函数中的USE_GPU2数据集提取码：a8qqimportcsvimportgzipimportmathimporttimeimportmatplotlib.pyplotaspltimporttorchfromtorch.nn.utils.rnnimportpack_padded_sequencefromtorch.utils.dataimportDataset,Dat
qq_41936465·2023-01-06 07:36

Pytorch深度学习实践 第十三讲 循环神经网络（高级篇）

数据集链接：https://pan.baidu.com/s/1bIKasCIDAaT-_EwB6hcAMQ提取码：4fij任务：使用RNN通过训练name数据集来预测name属于哪个country.RNN，LSTM，GRU都是循环神经网络。网络模型：最后只需要一个LinearLayer来得出整个name序列的预测结果。数据准备Name序列处理步骤：1.Name转成序列List，即Maclean→[
啥都不会的研究生←_←·2023-01-06 07:05

PyTorch深度学习实践（十三）循环神经网络高级篇

用RNN做一个分类器，现在有一个数据集，数据集里有人名和对应的国家，我们需要训练一个模型，输入一个新的名字，模型能预测出是基于哪种语言的（18种不同的语言，18分类），在自然语言处理中，通常先把词或字编程一个one-hot向量，one-hot向量维度高，而且过于稀疏，所以一般来说呀先通过嵌入层（Embed）把one-hot向量转化成低维的稠密向量，然后经过RNN，隐层的输出不一定和最终要求的目标一
此生辽阔·2023-01-06 07:05

PyTorch深度学习实践概论笔记13-循环神经网络高级篇-分类

在PyTorch深度学习实践概论笔记12-循环神经网络基础篇中简单介绍了RNN，接下来13讲，我们介绍一个关于神经网络的应用：实现一个循环神经网络的分类器。
双木的木·2023-01-06 07:34

【PyTorch学习1】B站刘二大人《PyTorch深度学习实践》——线性模型（Linear Model）

b站课程链接：线性模型1.基本思想：给出了一组一维数据，定义了一个简单的线性拟合函数，通过穷举法来列出一些权重（拟合函数的系数），并计算这些权重对应的拟合损失函数（使用均方误差（MSE））。LinearModel：y^=w∗x\hat{y}=w*xy^=w∗x(为了简化模型，未加偏置项b)TrainingLoss(Error)：loss=(y^−y)2=(w∗x−y)2loss=(\hat{y}-
小龙呀·2023-01-04 09:17

Pytorch 深度学习实践 第9讲--刘二大人

B站刘二大人，传送门PyTorch深度学习实践——多分类问题说明：1、softmax的输入不需要再做非线性变换，也就是说softmax之前不再需要激活函数(relu)。
NCUTer·2023-01-03 14:21

Pytorch深度学习实践-刘二大人-反向传播demo

importmatplotlib.pyplotaspltimporttorch#y=w*xx_data=[1,1.8,2.5,3.0]y_data=[2,4,6.9,7.5]loss_list=[]w=torch.Tensor([0.5])w.requires_grad=Truedefforward(x):returnx*w#W是tensor，tensor的运算后是建立计算图defloss(x,y
慢慢来8·2023-01-03 13:47

PyTorch深度学习实践-刘二大人-反向传播作业

importmatplotlib.pyplotaspltimporttorch#y=w1*x2+w2*x+b,注意超参数学习率的设置，这里设置为0.01x_data=[1,2,3]y_data=[2,4,6]loss_list=[]w1=torch.Tensor([1])w2=torch.Tensor([1])b=torch.Tensor([1])w1.requires_grad=Truew2.r
慢慢来8·2023-01-03 13:47

Pytorch深度学习实践-刘二大人-05pytorch实现线性模型

Pytorch的实现流程为：本节的课上代码为：importmatplotlib.pyplotaspltimporttorchx_data=torch.tensor([[1.0],[2.0],[3.0]])#3*1,1指的是维度，3是样本数y_data=torch.tensor([[2.0],[4.0],[6.0]])#3*1loss_list=[]classLinearMode(torch.nn.
慢慢来8·2023-01-03 13:47

Pytorch深度学习实践-刘二大人-线性模型作业

importnumpyasnpimportmatplotlib.pyplotaspltx_data=[1,2,3,4]y_data=[2,4,6,8]w_list=np.arange(0.0,4.1,0.1)b_list=np.arange(-2.0,2.1,0.1)w,b=np.meshgrid(w_list,b_list)defforward(x):returnx*w+bdefloss(x,y
慢慢来8·2023-01-03 13:17

Pytorch深度学习实践-刘二大人-梯度下降和随机梯度下降

梯度下降法：importmatplotlib.pyplotaspltx_data=[1.0,2.0,3.0,4.0]y_data=[2.0,4.0,6.0,8.0]loss_list=[]w=1.0defforward(x):returnw*xdefcost(xs,ys):sum=0forx,yinzip(xs,ys):pre_y=forward(x)sum+=(y-pre_y)**2return
慢慢来8·2023-01-03 13:17

（刘二大人）PyTorch深度学习实践-线性模型作业

1.3D绘图参考2.代码实现importnumpyasnpimportmatplotlib.pyplotaspltfrommatplotlibimportcmfrommatplotlib.tickerimportLinearLocator#w=2,b=0，设置数据x_data=[1.0,2.0,3.0]y_data=[2.0,4.0,6.0]W=np.arange(0.0,4.1,0.1)B=np
Catherine_bling·2023-01-03 13:10

《PyTorch深度学习实践》完结合集 · Hongpu Liu · 卷积神经网络CNN（8）

目录一、卷积过程（基础）IfMoveToGPU作业二、卷积神经网络（高级）InceptionResidualNetwork一、卷积过程（基础）IfMoveToGPU#!/usr/bin/envpython#-*-coding:utf-8-*-"""============================================时间：2021.8.19作者：手可摘星辰不去高声语文件名：CNN
手可摘星辰不去高声语·2023-01-03 11:40

《PyTorch深度学习实践》完结合集 · Hongpu Liu · 循环神经网络RNN（难点⏸）（9）

目录一、循环神经网络（基础篇）二、未完待续……一、循环神经网络（基础篇）RNNCell需要自己写循环：二、未完待续……
手可摘星辰不去高声语·2023-01-03 11:40

《PyTorch深度学习实践》完结合集 · Hongpu Liu · 多维特征输入与多层神经网络（+测试集验证）（5）

目录7、处理多维特征的输入与多层神经网络7、处理多维特征的输入与多层神经网络果然，ReLU好用！！！#!/usr/bin/envpython#-*-coding:utf-8-*-"""============================================时间：2021.8.作者：手可摘星辰不去高声语文件名：.py功能：1、Ctrl+Enter在下方新建行但不移动光标；2、Shif
手可摘星辰不去高声语·2023-01-03 11:10

《PyTorch深度学习实践》完结合集 · Hongpu Liu · 加载数据集（6）

目录8、加载数据集8、加载数据集windows需要在下面的代码前面加上if__name__=='__main__':#!/usr/bin/envpython#-*-coding:utf-8-*-"""============================================时间：2021.8.作者：手可摘星辰不去高声语文件名：.py功能：1、Ctrl+Enter在下方新建行但不移动光
手可摘星辰不去高声语·2023-01-03 11:10

《PyTorch深度学习实践》完结合集 · Hongpu Liu · 多分类问题（7）

目录9.多分类问题9.多分类问题这里应该是HWC---->CHW#!/usr/bin/envpython#-*-coding:utf-8-*-"""============================================时间：2021.8.17作者：手可摘星辰不去高声语文件名：09-Softmax.py功能：手写数字识别说明：Pytorch0.4.0torchvision0.2.2
手可摘星辰不去高声语·2023-01-03 11:10

《PyTorch深度学习实践》完结合集 · Hongpu Liu · PyTorch实现线性回归（3）

目录5.PyTorch实现线性回归①准备数据集②设计模型③构造损失函数和优化器④编写训练周期作业：关于pytorch中的张量和维度的概念LEARNINGPYTORCHWITHEXAMPLES5.PyTorch实现线性回归①准备数据集②设计模型③构造损失函数和优化器④编写训练周期作业：#!/usr/bin/envpython#-*-coding:utf-8-*-'''================
手可摘星辰不去高声语·2023-01-03 11:40

《PyTorch深度学习实践》完结合集 · Hongpu Liu · logistic回归（+交叉熵）（4）

目录6.logistic回归6.logistic回归在此，推荐大家去看一篇文章：《一文搞懂交叉熵在机器学习中的使用，透彻理解交叉熵背后的直觉》另外，我在这里记录文章里面一些重要的内容，如下：求不求平均值（size_average=False/True）影响梯度，影响学习率#!/usr/bin/envpython#-*-coding:utf-8-*-"""======================
手可摘星辰不去高声语·2023-01-03 11:40

《PyTorch深度学习实践》完结合集 · Hongpu Liu · overview（1）

课程链接：《PyTorch深度学习实践》完结合集https://www.bilibili.com/video/BV1Y7411d7Ys?p=1一、Pytorch
手可摘星辰不去高声语·2023-01-03 11:39

《PyTorch深度学习实践》完结合集 · Hongpu Liu · PyTorch梯度下降法（2）

目录4.反向传播4.反向传播#!/usr/bin/envpython#-*-coding:utf-8-*-'''============================================时间：2021.8.13作者：手可摘星辰不去高声语文件名：04-PyTorch梯度下降法.py功能：1、Ctrl+Enter在下方新建行但不移动光标；2、Shift+Enter在下方新建行并移到新行行
手可摘星辰不去高声语·2023-01-03 11:39

21Winter\ 使用全连接层对MINIST进行多分类

最近很emo，然后就很久都没有更新相关的内容了其实这一篇文章其实是Pytorch深度学习实践byProf.HongpuLIU中的两课的合集，我们先学习了内置Dataset类型的实例化，然后再对于内置的DatasetMINIST
Bealliant·2023-01-03 11:34

【刘洪普】PyTorch深度学习实践

文章目录一、overview1机器学习二、Linear_Model（线性模型）1例子引入三、Gradient_Descent(梯度下降法)1梯度下降2梯度下降与随机梯度下降（SGD）对比3Mini-Batch四、BackPropagation（反向传播）1线性模型叠加的神经网络2反向传播3在PyTorch中进行前馈和反馈的运算五、PyTorch实现线性回归一、overview1机器学习想写一点，但
蛋黄液·2023-01-03 11:58

吴恩达视频－第一门课第2周2.11节－向量化(Vectorization)

2.11向量化(Vectorization)向量化是非常基础的去除代码中for循环的艺术，在深度学习安全领域、深度学习实践中，你会经常发现自己训练大数据集，因为深度学习算法处理大数据集效果很棒，所以你的代码运行速度非常重要
越努力越幸运@·2022-12-31 10:45

Pytorch小记-torch.nn.Softmax(dim=1)如何理解？

在进行多分类时，时常看到Softmax分类函数，理论基础可看文章PyTorch深度学习实践概论笔记9-SoftMax分类器。
双木的木·2022-12-31 10:32

正则化技术

参考：《Hands-OnMachineLearningwithScikit-LearnandTensorFlow(2017)》Chap11《卷积神经网络——深度学习实践手册(20
hey-yahei·2022-12-31 07:17
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他