上一节《[Pytorch]机器学习入门项目笔记：手动实现线性回归（3）》写过手动实现线性回归，其实是半自动啦，因为使用了自动微分，但是却没有自动优化，也没有神经网络。只有单个的w和b，这样的网络容易出现过拟合或者无法拟合的问题，这一节写一下利用NN（神经网络）来实现线性回归。 首先引入需要的库文件 定义数据 这一步是创建出两个tensor，x是一个50 x 1的列向量，每个元素取值范围是[0, 1 […]

这是一个项目实践，通过自动微分、反向传播的方式来实现一个线性回归算法。 引入torch库 定义超参数 超参数就是在训练开始前需要预设的一些参数，这些参数会很大程度影响训练的速度和质量。 加载数据 这里随机生成一些点就可以了，根据函数表达式y = 3 * x + 0.8来构建x和y，定义域为[0, 1]。 x和y都是一个大小为[500, 1]的矩阵。 设置参数 这两个参数\(w, b\)就是我们要更 […]

之前写过《记录PYTHON 3的一些基础语法》，现在来拓展一下知识和强化代码功底。 enumerate()函数 enumerate() 函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出下标和数据，一般用在 for 循环当中。 Python 2.3. 以上版本可用。 生成随机tensor矩阵 随机矩阵通常作为机器学习的初始参数矩阵。 输出tensor矩阵形状 输出t […]

记录Pytorch的autograd功能，可能涉及的函数有： tensor.requires_grad_(True) #动态修改跟踪 d = torch.autograd.grad(z, y, grad_outputs=torch.ones_like(y)) z.backward() #反向传播 创建矩阵Tensor 下面是两种创建Tensor的方法。 矩阵乘法 直接写 x * y得到的是哈达玛积 […]

记录一下在学习图片分类时遇到的一些问题，还有一些函数、参数做一些笔记。 常用的库引入 数据集的结构 自己要建立一个图片数据集的话，假如我有一个名字为dog_cat的文件夹，那么这个文件夹就是root，也就是作为root参数传入到ImageFolder函数中。 一定要建立子文件夹，label是根据子文件夹的序号自动标记的（从0开始标记）。 比如下面的0dog中的所有图片的label都是0,而1cat […]

Anaconda是一个环境配置工具，最近在做机器学习相关的课题，所以记录一下Anaconda的一些使用方法和常用指令。 下载 从清华镜像源下载：Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror 越往下，版本越新，windows64位安装后缀为“windows-x86_64.exe”的，注意选择一个空间较大 […]

在计算机中，所有数字都用0/1二进制表示，编码一般分为“原码、反码、补码”三种。 正数 正数的原码、反码、补码都一样，对于纯小数也一样。 比如 \(5 = (101)_{2}\) 原码：\((101)_{2}\) 反码：\((101)_{2}\) 补码：\((101)_{2}\) 比如 \(0.25 = (0010)_{2}\) 原码：\((0010)_{2}\) 反码：\((0010)_{2}\ […]