PyTorch基本用法(六)——快速搭建网络
来源:互联网 发布:青岛网络游戏软件开发 编辑:程序博客网 时间:2024/06/06 09:26
文章作者:Tyan
博客:noahsnail.com | CSDN | 简书
本文主要是关于PyTorch的一些用法。
import torchimport matplotlib.pyplot as pltimport torch.nn.functional as Ffrom torch.autograd import Variable# 许多没解释的东西可以去查文档, 文档中都有, 已查过# pytorch文档: http://pytorch.org/docs/master/index.html# matplotlib文档: https://matplotlib.org/# 随机算法的生成种子torch.manual_seed(1)# 生成数据n_data = torch.ones(100, 2)# 类别一的数据x0 = torch.normal(2 * n_data, 1)# 类别一的标签y0 = torch.zeros(100)# 类别二的数据x1 = torch.normal(-2 * n_data, 1)# 类别二的标签y1 = torch.ones(100)# x0, x1连接起来, 按维度0连接, 并指定数据的类型x = torch.cat((x0, x1), 0).type(torch.FloatTensor)# y0, y1连接, 由于只有一维, 因此没有指定维度, torch中标签类型必须为LongTensory = torch.cat((y0, y1), ).type(torch.LongTensor)# x,y 转为变量, torch只支持变量的训练, 因为Variable中有gradx, y = Variable(x), Variable(y)
# 绘制数据散点图plt.scatter(x.data.numpy()[:, 0], x.data.numpy()[:, 1], c = y.data.numpy(), s = 100, lw = 0, cmap = 'RdYlGn')plt.show()
# 快速搭建分类网络net = torch.nn.Sequential( torch.nn.Linear(2, 10), torch.nn.ReLU(), torch.nn.Linear(10, 2))print(net)
Sequential ( (0): Linear (2 -> 10) (1): ReLU () (2): Linear (10 -> 2))
# 定义优化方法optimizer = torch.optim.SGD(net.parameters(), lr = 0.02)# 定义损失函数loss_func = torch.nn.CrossEntropyLoss()plt.ion()# 训练过程for i in xrange(100): prediction = net(x) loss = loss_func(prediction, y) optimizer.zero_grad() loss.backward() optimizer.step() if i % 2 == 0: plt.cla() # 获取概率最大的类别的索引 prediction = torch.max(F.softmax(prediction), 1)[1] # 将输出结果变为一维 pred_y = prediction.data.numpy().squeeze() target_y = y.data.numpy() plt.scatter(x.data.numpy()[:, 0], x.data.numpy()[:, 1], c = pred_y, s = 100, lw = 0, cmap = 'RdYlGn') # 计算准确率 accuracy = sum(pred_y == target_y) / 200.0 plt.text(1.5, -4, 'Accuracy=%.2f' % accuracy, fontdict = {'size': 10, 'color': 'red'}) plt.pause(0.1)plt.ioff()plt.show()
阅读全文
0 0
- PyTorch基本用法(六)——快速搭建网络
- PyTorch基本用法(二)——Variable
- PyTorch基本用法(四)——回归
- PyTorch基本用法(五)——分类
- 莫烦PyTorch学习笔记(四)——快速搭建法
- PyTorch基本用法(一)——Numpy,Torch对比
- PyTorch基本用法(三)——激活函数
- PyTorch基本用法(八)——批训练
- PyTorch基本用法(九)——优化器
- PyTorch基本用法(十)——卷积神经网络
- PyTorch(二)——搭建和自定义网络
- PyTorch基本用法(七)——模型的保存与加载
- PyTorch学习—PyTorch是什么?
- PyTorch学习系列(六)——自动求导
- PyTorch(六)——梯度反向传递(BackPropogate)的理解
- PyTorch学习总结(六)——Tensor实现
- Pytorch入门——安装快速安装方法
- tensorflow的基本用法(六)——神经网络可视化
- 超级详细的update-script-ROM脚本语法说明
- leetcode 之Remove Element
- 大数据预科班作业11
- 第3周项目4-顺序表应用
- 微信H5中IOS无法播放audio的解决方法
- PyTorch基本用法(六)——快速搭建网络
- 管理自己
- java修饰符的修饰范围
- 【XSY1301】原题的价值 第二类斯特林数 NTT
- apue中vfork()函数编译报错解决
- 为什么在重写equals方法时都要重写hashCode
- SSM框架整合
- 抽象和多态
- MRCPv2概述