pytorch学习教程笔记(一)
(注:代码来自pytorch官网)
学习使用pytorch构建神经网络,首先我们来看一下不使用深度学习框架的网络如何构建
```python
# -*- coding: utf-8 -*-
import numpy as np# N is batch size; D_in is input dimension;
# H is hidden dimension; D_out is output dimension.
N, D_in, H, D_out = 64, 1000, 100, 10# Create random input and output data
x = np.random.randn(N, D_in)
y = np.random.randn(N, D_out)# Randomly initialize weights
w1 = np.random.randn(D_in, H)
w2 = np.random.randn(H, D_out)learning_rate = 1e-6
for t in range(500):# Forward pass: compute predicted yh = x.dot(w1)h_relu = np.maximum(h, 0)y_pred = h_relu.dot(w2)# Compute and print lossloss = np.square(y_pred - y).sum()print(t, loss)# Backprop to compute gradients of w1 and w2 with respect to lossgrad_y_pred = 2.0 * (y_pred - y)grad_w2 = h_relu.T.dot(grad_y_pred)grad_h_relu = grad_y_pred.dot(w2.T)grad_h = grad_h_relu.copy()grad_h[h < 0] = 0grad_w1 = x.T.dot(grad_h)# Update weightsw1 -= learning_rate * grad_w1w2 -= learning_rate * grad_w2
不使用深度学习框架,我们来构造一个单隐层的网络
输入层维度1000,隐层100,输出层10,假设batch为64
学习率为1e-6
首先我们初始化数据集,使用随机初始化
x为(64*1000),y为(64*10)
接下来我们初始化两层网络的权重
w1 为(1000*100),w2位(100*10)
接下来我们迭代优化500次,每次的过程如下所示:
隐层结果h = x与w1相乘,结果为(64*100)
对隐层结果h使用relu函数进行裁剪,小于0的结果裁剪为0,得到h_relu结果
最终预测结果y_pred = h_relu与w2相乘,结果为(64*10)
loss函数为
预测结果y_pred与实际结果y的误差平方,一共(64*10)个误差平方
总loss为所有的误差平方和,将640个误差平方相加为一个数
计算梯度
计算y的梯度,因为我们取的是平方和,所以计算梯度时乘2,维度为(64*10)
计算w2的梯度,隐层结果转置与y梯度相乘,为(100*64)*(64*10)
计算隐层结果梯度,预测结果与w2转置相乘
(64*10)*(10*100)
将实际训练过程中裁剪的位置转换为0
(注:这里的h为训练时的h,h<0的位置没有传播)
计算w1的梯度
根据梯度调整参数
这些是一个例子中的loss结果
pytorch学习教程笔记(一)相关推荐
- PyTorch学习教程、手册
文章目录 PyTorch学习教程.手册 PyTorch视频教程 NLP&PyTorch实战 CV&PyTorch实战 PyTorch论文推荐 PyTorch书籍推荐 PyTorch学习 ...
- LaTeX中文学习教程 笔记
视频地址: LaTeX中文学习教程(用于论文或稿件排版,15集全) 用LaTeX写期刊论文的详细教程 一.基本结构 % 导言区 \documentclass{article}%book,article ...
- Scala学习教程笔记二之函数式编程、Object对象、伴生对象、继承、Trait、
1:Scala之函数式编程学习笔记: 1:Scala函数式编程学习:1.1:Scala定义一个简单的类,包含field以及方法,创建类的对象,并且调用其方法:class User {private v ...
- MySQL精品学习资源合集 | 含学习教程笔记、运维技巧、图书推荐
MySQL凭借开源.免费.低门槛.稳定等优势,成为了当前最流行的关系型数据库之一.从1998年发行第一版以来,通过不断地更新迭代,MySQL被越来越多的公司使用,已然成为当下潮流. 为了帮助大家更好地 ...
- Leaflet学习教程+笔记(Mars2D)
Leaflet学习(Mars2D) 一 快速开始 中文教程–小白必备 中文API文档–学会查阅文档 准备工作-引入文件 <link rel="stylesheet" href ...
- MybatisMybatisPlusSpringboot之最全入门学习教程笔记
目录 1 Mybatis概述 1.1 Mybatis概念 1.1.1 JDBC 缺点 1.1.2 Mybatis优化 1.2 快速入门 1.2.1 创建数据库 1.2.2 IDEA2021创建项目 1 ...
- 2021-7-20 pytorch学习基础笔记
1.torch起源 2002发布Torch,后面Torch7在2011(Lua语言)大大制约了它的发展 Facebook在Torch7的基础上,在2016年10月发布了0.1 THNN后端 2018年 ...
- Cesium学习教程+笔记(Mars3D) 图层 图层组 矢量数据
图层与图层组 为什么需要了解图层组?图层与图层组又是啥关系? 之前学过的点线面都是矢量数据 , 添加到矢量图层直接到地图上的 var tucengdian = new mars3d.layer.Gra ...
- python 入门学习教程笔记-- BMR 计算器
本讲内容涉及到的知识点有: 1.数值类型: 2.字符串分割,字符串格式化输出,使用{}占位 https://docs.python.org/3/library/stdtypes.html#str.sp ...
最新文章
- OpenCV实现遍历文件夹下所有文件
- 高可用 Prometheus 架构实践中的踩坑集锦
- jquery学习资源
- android nougat和安卓7.1,Android Nougat 7.1.2 先睹为快
- C语言里 指针变量强制类型转换,C语言之强制类型转换与指针--#define DIR *((volatile unsigned int *) 0x0022)...
- sun服务器如何查cpu信息,solaris 如何查看CPU信息
- MySQL基础 增删改查练习
- Python五角星绘制
- 模拟斗地主洗牌发牌,并对已发好的拍进行排序(红桃A,方块A, 黑桃2.......)
- iOS OC利用imageview属性切出类似圆柱图形
- android 广告效果图,Android_Android实现加载广告图片和倒计时的开屏布局,这是一个android开屏布局的实例 - phpStudy...
- Linux下运行jar包的方法
- 考研复试英语自我介绍模版
- 【安全狗高危安全通告】OpenSSL存在远程代码执行漏洞和拒绝服务漏洞
- 微信小程序——圆形图片image控件、两个字和三个字对齐
- 四格漫画《MUXing》——他们在干什么
- 移动端检测更新安装包
- centos7.2系统下运行.sh文件的办法
- MATLAB数字图像小程序设计
- 康拓编码——Permutation Sequence