pytorch + sklearn |
您所在的位置:网站首页 › pytorch有svm吗 › pytorch + sklearn |
目录
pytorchPyTorch 简介PyTorch 神经网络基础建造第一个神经网络关系拟合(回归)区分类型(分类)快速搭建法保存和提取批训练优化器:加速神经网络训练
高级神经网络结构CNNRNN:序列数据LSTMAutoEncoderDQN 强化学习GAN
高阶内容pytorch过拟合批标准化
sklearn一般使用高级使用
pytorch
PyTorch 动态神经网络 (莫烦 Python 教学) pytorch教程系列 | 莫烦Python PyTorch 简介最大优点就是建立的神经网络是动态的。另外,更容易理解底层代码。 PyTorch 会安装两个模块, 一个是 torch, 一个 torchvision。torch 是主模块, 用来搭建神经网络的;torchvision 是辅模块, 有数据库, 还有一些已经训练好的神经网络等着你直接用, 比如 (VGG, AlexNet, ResNet). PyTorch 神经网络基础 numpy.ndarray和torch.Tensor之间转换: torch_data = torch.from_numpy(np_data) np_data = torch_data.numpy() 矩阵运算最重要!!激励函数。 建造第一个神经网络 关系拟合(回归) 建立数据集建立神经网络 torch.nn.Module训练网络 torch.optim. 和 torch.nn.MSELoss() optimizer.zero_grad() # 清空上一步的残余更新参数值 loss.backward() # 误差反向传播, 计算参数更新值 optimizer.step() # 将参数更新值施加到 net 的 parameters 上 区分类型(分类) 建立数据集建立神经网络训练网络 torch.nn.CrossEntropyLoss() 快速搭建法torch.nn.Sequential() 保存和提取def save(): def restore_net(): 提取整个神经网络, 网络大的时候可能会比较慢 def restore_params(): 提取所有的参数 批训练torch.utils.data TensorDataset(x , y) DataLoader() 优化器:加速神经网络训练SGD Momentum AdaGrad RMSProp Adam等 高级神经网络结构 CNNConv2d() —— ReLU() —— MaxPool2d() RNN:序列数据分类 回归 LSTM输入控制 输出控制 忘记控制 AutoEncoder压缩与解压 DQN 强化学习神经网络 + Q learning GANGenerator:由随机数生成有意义的数据 Discriminator:判断真实数据和虚拟数据 高阶内容 pytorch动态 GPU加速 过拟合增加数据量 正则化 L1 L2 dropout 批标准化mini-batch sklearnScikit-learn (sklearn) 优雅地学会机器学习 (莫烦 Python 教程)) sklearn 通用机器学习 教程系列 | 莫烦Python 一般使用四类算法:分类,回归,聚类,降维 学习模式 数据库 常用属性和功能 高级使用正则化 scale 交叉验证 cross-validation 保存模型 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |