在此虚拟环境中没有matplotlib，先安装：pip install matplotlib==3.9。 通过PyTorch训练一个模型一般分为以下4个步骤： 准备数据 → 构建模型 → 定义损失函数与优化器 → 模型训练 接下来，构...

在神经网络的学习过程中，可以使用梯度下降法来更新参数，目标就是减小损失函数的值。 实际操作时，一般会从训练数据中随机选择一个小批量数据（mini-batch），然后用梯度下降法迭代多个轮次（i...

class Affine: def __init__(self, W, b): self.W =W self.b = b self.x = None self.original_x_shape = None # 权重和偏置参数的导数 self.dW = None self.db = None def forward(self, x): #...

简化得： 在代码中可以实现为一个类SoftmaxWithLoss： class SoftmaxWithLoss: def __init__(self): self.loss = None self.y = None # softmax的输出 self.t = None # 监督数据 def forward(se...

损失函数的值越小，代表我们选取的参数越适合；想要求得损失函数的最小值，最基本的想法就是对函数求导，解出导数值为0的点，并判断它是否为极小值/最小值。 然而，实际的函数直接求导，不容易...

机器学习的问题中，过拟合 是一个很常见的问题。 过拟合指的是能较好拟合训练数据，但不能很好地拟合不包含在训练数据中的其他数据。机器学习的目标是提高泛化能力，希望即便是不包含在训练数据...

6.4.1 张量元素类型转换 1）Tensor.type(dtype)修改张量的类型 import torch tensor1 = torch.tensor([1, 2, 3]) print(tensor1, tensor1.dtype) # 使用type方法修改张量的类型 tensor1 = t...

6.5.1 基本运算 1）四则运算 +、-、*、/加减乘除 add()、sub()、mul()、div()加减乘除，不改变原数据 add_()、sub_()、mul_()、div_()加减乘除、修改原数据 import torch tensor1 = torch.randi...

神经网络的主要特点，就是可以从数据中进行“学习”。这个学习的过程，就是让训练数据自动决定最优的权重参数。 神经网络（深度学习）也是机器学习的一种；跟传统机器学习方法相比，神经网络不...

我们先复习一下在机器学习部分学习过的感知机。 感知机（Perceptron）是二分类模型，接收多个信号，输出一个信号。感知机的信号只有0、1两种取值。 下图是一个接收两个输入信号的感知机的例子：...