pytorch + sklearn

您所在的位置：网站首页 › pytorch有svm吗 › pytorch + sklearn

pytorch + sklearn

2024-03-16 15:18| 来源: 网络整理| 查看: 265

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 CNN

Conv2d() —— 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

GAN

Generator：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

sklearn

Scikit-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

【本文地址】

pytorch + sklearn

pytorch + sklearn

今日新闻

推荐新闻