《深度学习入门——基于Python的实现》 课件 3 神经网络的PyTorch逐步深化.pdf

《深度学习入门——基于Python的实现》 课件 3 神经网络的PyTorch逐步深化.pdf

  1. 1、本文档共41页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

《深度学习入门—基于Python的实现》

(吴喜之张敏)

神经网络的PyTorch逐步深化

张敏

October15,2024

张敏October15,20241/41

简单的人造数据回归

张敏October15,20242/41

Example1

(cosdf.csv)该数据为一段加了随机干扰的余弦曲线.自变量为

在区间[−6,6]包含1000个数目的等距数列,另外还包含了一

列常数1,因变量为自变量的余弦加上标准正态的干扰.读入

该数据并转换成tensor形式的代码为(由于我们的程序基于

矩阵运算,因此张量都定义成两维的):

importpandasaspd

importnumpyasnp

df=pd.read_csv(cosdf.csv,sep=,,header=None)

x=np.array(df.iloc[:,:-1])

y=np.array(df.iloc[:,-1])

x=torch.from_numpy(x).type(torch.FloatTensor)

y=torch.from_numpy(y.reshape(-1,1)).type(torch.FloatTensor)

张敏October15,20243/41

importtorch

fromtorchimportautograd,nn

lrelu=nn.LeakyReLU()

dtype=torch.float

device=torch.device(cpu)

N,D_in=x.shape#N是样本量,D_in是自变量维数

H1=200#第1个隐藏层节点个数

H2=100#第2个隐藏层节点个数

D_out=1#因变量的维数

w1=torch.randn(D_in,H1,device=device,dtype=dtype,requires_grad=True)

w2=torch.randn(H1,H2,device=device,dtype=dtype,requires_grad=True)

w3=torch.randn(H2,D_out,device=device,dtype=dtype,requires_grad=True)

learning_rate=1e-7

fortinrange(10000):

y_pred=lrelu(torch.sigmoid(x.mm(w1)).mm(w2)).mm(w3)

loss=(y_pred-y).pow(2).sum()

loss.backward()

withtorch.no_grad():

w1-=learning_rate*w1.grad

w2-=learning_rate*w2.grad

w3-=learning_rate*w3.grad

#更新权重后手工把梯度置0

w1.grad.zero_()

w2.grad.zero_()

w3.grad.zero_()

张敏October15,20244/41

得到的结果可以和原来的数据点出图来(见图1).

图1:例1的

文档评论(0)

xiaobao + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档