PyTorch处理多维特征的输入
1.代码
import numpy as np
import torch
import matplotlib.pyplot as plt
import torch.nn.functional as F#1.prepare dataset
xy=np.loadtxt('E:\深度学习\PyTorch深度学习实践\diabetes.csv.gz',delimiter=',',dtype=np.float32)
x_data=torch.from_numpy(xy[:,:-1])
y_data=torch.from_numpy(xy[:,[-1]])#2.define model
class Model(torch.nn.Module):def __init__(self):super(Model,self).__init__()self.linear1=torch.nn.Linear(8,6)self.linear2=torch.nn.Linear(6,4)self.linear3=torch.nn.Linear(4,1)self.activate=torch.nn.ReLU() #无参数def forward(self,x):x=self.activate(self.linear1(x))x=self.activate(self.linear2(x))x=F.sigmoid(self.linear3(x))return xmodel=Model()#3.construct loss and optimizer
criterion=torch.nn.BCELoss(size_average=True)
optimizer=torch.optim.SGD(model.parameters(),lr=0.1)epoch_list=[epoch for epoch in range(1000)]
loss_list=[]#4.training cycle
for epoch in range(1000):#forwardy_pred=model(x_data)loss=criterion(y_pred,y_data)loss_list.append(loss.item())print(epoch,'loss=',loss.item())#backwardoptimizer.zero_grad()loss.backward()#updateoptimizer.step()plt.plot(epoch_list,loss_list)
plt.xlabel('epoch')
plt.ylabel('loss')
plt.show()
2.运行结果
2.1 激活函数为ReLU
2.1.1 优化器为SGD
2.1.2优化器为Adam
2.2 激活函数为Sigmoid
2.2.1 优化器为SGD
2.2.2 优化器为Adam
PyTorch处理多维特征的输入相关推荐
- 使用Pytorch处理多维特征的输入
下图这个预测一个人在一年之后得糖尿病的概率的例子,这个时候我们的输入将会有很多的指标.你可以把它看成是我们体检的各种值.最后一排的外代表了他是否会得糖尿病. 那么多维的特征输入应该怎么办呢?我们就需要 ...
- (五)处理多维特征的输入(上)+torch.nn.Linear(8,1)表示什么+代码
目录 1.普通逻辑回归 一个样本中一条数据有1个特征 2.多维特征:一个样本中一条数据有n个特征(以n=8为例) 计算流程:矩阵乘法 (8,1)表示什么? 3.代码: 1.普通逻辑回归 一个样本中一条 ...
- 处理多维特征的输出(糖尿病数据)
#处理多维特征的输入#prepare Dateset import numpy as np import torchxy = np.loadtxt('./diabetes.csv',delimiter ...
- pytorch 入门学习处理多维特征输入-7
pytorch 入门学习处理多维特征输入 处理多维特征输入 import torch import numpy as np import torchvision import numpy as np ...
- OpenCV之feature2d 模块. 2D特征框架(2)特征描述 使用FLANN进行特征点匹配 使用二维特征点(Features2D)和单映射(Homography)寻找已知物体 平面物体检测
特征描述 目标 在本教程中,我们将涉及: 使用 DescriptorExtractor 接口来寻找关键点对应的特征向量. 特别地: 使用 SurfDescriptorExtractor 以及它的函数 ...
- 二维特征分类的基础_3D 分割分类总结
三维深度学习的几种方法: 多视角(multi-view):通过多视角二维图片组合为三维物体,此方法将传统CNN应用于多张二维视角的图片,特征被view pooling procedure聚合起来形成三 ...
- 《PyTorch深度学习实践》 课堂笔记 Lesson7 神经网络多维特征输入的原理推导与实现
文章目录 1.为什么使用多维的特征输入 2. 多维特征向量输入推导 3.实现过程 3.1源代码 3.2训练结果 写在最后 1.为什么使用多维的特征输入 对于现实世界来说,影响一个事物发展的因素有很多种 ...
- evaluate函数使用无效_使用Keras和Pytorch处理RNN变长序列输入的方法总结
最近在使用Keras和Pytorch处理时间序列数据,在变长数据的输入处理上踩了很多坑.一般的通用做法都需要先将一个batch中的所有序列padding到同一长度,然后需要在网络训练时屏蔽掉paddi ...
- pytorch中根据神经网络结构确定输入图片尺寸(根据图片尺寸修改神经网络结构)
在学习pytorch的过程中,看到一些代码的解释中会说这个网络的期望输入大小为32x32(也可能是其他数字),请将输入图片调整为32x32. 开始的时候有一些不解,仔细看代码后明白,为代码条理清晰,一 ...
最新文章
- python安装后pip用不了 cmd命令窗口提示:Did not provide a command
- Linux用户和组相关的配置文件
- clickhouse常用sql
- [JavaScript] 多数前端工程师都没注意到的一个关于console.log()的坑
- 一个通用的makefile写法,自动推导文件的依赖关系
- 年后开课 | 第 4 期临床基因组家系分析,同时解决科研和临床问题
- maven3.6.3 配置环境变量_JDK1.8简单配置环境变量---两步曲
- (转自ztp800201) Android - 自定义标题栏(在标题栏中增加按钮和文本居中)
- 网络设备巨头优倍快的客户数据遭泄露
- (转)C# Color类图示
- Java FileNameFilter示例
- OSChina 周三乱弹 —— 究竟是谁走漏风声
- Oracle 根据业务创建新的用户
- 360系统修复过程中卡慢问题的解决方案
- mysql常见关键字的用法_MySQL 常用关键字用法详解
- 刘同——谁的青春不迷茫,给你冬日满满正能量
- 北京大学生物信息学(9)第二代基因组测序技术
- 论文笔记:BPR-Bayesian Personalized Ranking from Implicit Feedback | 推荐系统BPR算法分析
- Linux内核中断系统处理机制-详细分析
- Paper之EfficientDet: 《Scalable and Efficient Object Detection—可扩展和高效的目标检测》的翻译及其解读—续篇