Task01:线性回归;Softmax与分类模型、多层感知机
程序员文章站
2022-06-27 11:11:02
...
记录一下要点
1.训练集上的准确率是在一个epoch的过程中计算得到的,测试集上的准确率是在一个epoch结束后计算得到的,后者的模型参数更优
2.
pytorch的计算精度没有numpy的高,所以exp(100)是inf无穷大,一开始还以为要讲数据先处理一下,归一化还是sigmoid??? 这错误犯得也太弱智了。。怎么可以这么做 softmax学了这么多了,其实softmax也相当于一个**函数吧。好像考试的时候考过
3.多层感知机,,也就那样 之前一直用的tensorflow,顺带学习一下pytorch
num_inputs, num_outputs, num_hiddens = 784, 10, 256
net = nn.Sequential(
d2l.FlattenLayer(),
nn.Linear(num_inputs, num_hiddens),
nn.ReLU(),
nn.Linear(num_hiddens, num_outputs),
)
看来都差不多,和Keras
上一篇: vbs基础教程(1)
下一篇: 惠普打印机常见故障解决方法
推荐阅读
-
Task01:线性回归;Softmax与分类模型、多层感知机
-
Task01:线性回归;Softmax与分类模型、多层感知机
-
Task1.0 学习笔记线性回归;Softmax与分类模型、多层感知机
-
动手学深度学习PyTorch-task1(线性回归;Softmax与分类模型;多层感知机)
-
Task1.0 学习笔记线性回归;Softmax与分类模型、多层感知机
-
《动手学深度学习》task1——线性回归、softmax与分类模型,多层感知机笔记
-
深度学习模型系列二——多分类和回归模型——多层感知机
-
《动手学深度学习》task01:线性回归;softmax回归;多层感知机
-
打卡-Task01:线性回归;Softmax与分类模型;多层感知机
-
深度学习PyTorch | 线性回归,softmax和分类模型,多层感知机