2026年11月的文章 第50页
8.2.4 3维数据的卷积运算
图像是3维数据,除了长、宽外还需要处理通道方向。在3维数据的卷积运算中,输入数据的通道数和卷积核的通道数须设为相同的值。当有多个通道时,会按通道进行输入数据和卷积核的卷积运算,并将结...
第 8 章 卷积神经网络
8.1 CNN概述 卷积神经网络(Convolutional Neural Network,CNN)常被用于图像识别、语音识别等各种场合。它在计算机视觉领域表现尤为出色,广泛应用于图像分类、目标检测、图像分割等任务。 卷...
7.6 应用案例:房价预测
先安装pandas和scikit-learn库:pip install pandas scikit-learn。 使用House Prices数据集:https://www.kaggle.com/c/house-prices-advanced-regression-techniques。 7.6.1 导入所需的模块 ...
7.5.4 RMSProp
RMSProp(Root Mean Square Propagation,均方根传播)是在AdaGrad基础上的改进,它并非将过去所有梯度一视同仁的相加,而是逐渐遗忘过去的梯度,采用指数移动加权平均,呈指数地减小过去梯度的...
7.5 参数更新方法
7.5.1 Momentum import torch import numpy as np import matplotlib.pyplot as plt def gradient_descent(X, optimizer, n_iters): X_arr = X.detach().numpy().copy() # 拷贝,用于记...
7.4.2 回归任务损失函数
import torch from torch import nn, optim class Model(nn.Module): # 初始化 def __init__(self): # 调用父类初始化 super(Model, self).__init__() ...
7.4 损失函数
7.4.1 分类任务损失函数 import torch import torch.nn as nn # 真实值 target = torch.tensor([[1], [0], [0]], dtype=torch.float32) # 预测值 input = torch.randn((3, 1)) ...
7.3 搭建神经网络
7.3.1 自定义模型 在神经网络框架中,由多个层组成的组件称之为 模块(Module)。 在PyTorch中模型就是一个Module,各网络层、模块也是Module。Module是所有神经网络的基类。 在定义一个Module...
7.2 参数初始化和正则化
7.2.1 全连接层(nn.Linear) 在神经网络中,参数主要位于全连接层(仿射层Affine)中。 PyTorch提供了torch.nn模块,专门用于神经网络的构建和训练。其中全连接层被实现为Linear类,内部有两个...
第 7 章 用PyTorch进行深度学习
7.1 激活函数 PyTorch中已经实现了神经网络中可能用到的各种激活函数,我们在代码中只要直接调用即可。 7.1.1 Sigmoid函数 Sigmoid函数与其导数图像绘制代码: import torch import matplotlib....











