当前位置: 首页 > news >正文

上海网站优化哪家好网站建设不完整

上海网站优化哪家好,网站建设不完整,个人做电梯网站,做网站的技巧#xff01;#xff01;#xff01;梯度的产生是由于反向传播#xff0c;在自定义从零开始编写代码时#xff0c;第一次反向传播前应该对params参数的梯度进行判断 import torch import numpy as np import torch.utils.data as Data import torchvision.datasets import…梯度的产生是由于反向传播在自定义从零开始编写代码时第一次反向传播前应该对params参数的梯度进行判断 import torch import numpy as np import torch.utils.data as Data import torchvision.datasets import torchvision.transforms as transforms import syssys.path.append(路径) import d2lzh_pytorch as d2l --------------------------------------------------获取和读取数据batch_size 256 train_mnist torchvision.datasets.FashionMNIST(root路径,downloadTrue, trainTrue, transformtransforms.ToTensor()) test_mnist torchvision.datasets.FashionMNIST(root路径,downloadTrue, trainFalse, transformtransforms.ToTensor()) train_iter Data.DataLoader(train_mnist, batch_sizebatch_size, shuffleTrue) test_iter Data.DataLoader(test_mnist, batch_sizebatch_size, shuffleFalse) --------------------------------------------------定义模型参数num_inputs 784 num_outputs 10 num_hidden 256 # 有几个隐藏层就要设置几个参数简洁实现中linear网络会自动配置初始参数自己可以使用init.normal_()设置参数初始值 w1 torch.tensor(np.random.normal(0, 0.01, (num_inputs, num_hidden)), dtypetorch.float) b1 torch.zeros(num_hidden, dtypetorch.float) w2 torch.tensor(np.random.normal(0, 0.1, (num_hidden, num_outputs)), dtypetorch.float) b2 torch.zeros(num_outputs, dtypetorch.float) params [w1, b1, w2, b2] for param in params:param.requires_grad_(requires_gradTrue)---------------------------------------------定义激活函数 def relu(X):return torch.max(inputX, othertorch.tensor(0.0)) ---------------------------------------------------定义模型 # 使用view函数将输入的样本转换成inputs特征数大小的图像 def net(X):X X.view((-1, num_inputs))H relu(torch.matmul(X, w1) b1) # torch.mm(X, w1) b1得到隐藏层输出# 对隐藏层变量进行激活函数变换然后作为下一个全连接层的输入# 第一层不是隐藏层直接线性计算隐藏层输出作为输出层输入的时候对隐藏层进行非线性变换然后传入输入层return torch.matmul(H, w2) b2 # 隐藏层作为输出层的输入 n层layer有最多n-2个激活函数 -----------------------------------------------------定义损失函数loss torch.nn.CrossEntropyLoss() # 包含了softmax运算和交叉熵运算 ------------------------------------------------------softmax操作用于训练模型中训练集准确率调用 def softmax(X):X_exp X.exp() # 幂指数化partition X_exp.sum(dim1, keepdimTrue) # 求和每行的元素值return X_exp / partition # 做比值得预测概率 ----------------------------------------------------测试集准确率函数训练模型中测试集准确率调用 def evaluate_accuracy(test_data):acc_num, num 0.0, 0for X, y in test_data: # X,y分别是一个元组acc_num (softmax(net(X)).argmax(dim1) y).float().sum().item()num y.shape[0]return acc_num / num ------------------------------------------------------训练模型num_epochs, lr 5, 100def train():for epoch in range(num_epochs):train_acc, train_l, test_acc, n, num 0.0, 0.0, 0.0, 0, 0for X, y in train_iter: #l loss(net(X), y) # CrossEntropyLoss 函数已经是对一个批次内所有样本的平均损失计算了if params[0].grad is not None: # 第一次训练迭代前是没有梯度产生的梯度是由于反向传播才产生的for param in params: # 参数梯度清零param.grad.data.zero_()l.backward() # 反向传播d2l.sgd(params, lr, batch_size) # 梯度下降操作train_l l.item()# net(X)返回每个样本各个类别的预测值有n个样本返回train_acc (softmax(net(X)).argmax(dim1) y).float().sum().item() # 累加预测正确个数n y.shape[0]num 1test_acc evaluate_accuracy(test_iter)print(fepoch %d, loss %.4f, train_acc %.3f, test_acc %.3f% (epoch 1, train_l / num, train_acc / n, test_acc))train()
http://www.pierceye.com/news/796645/

相关文章:

  • 数字校园建设专题网站wordpress游览器标签页
  • 企业网站分析报告途牛网站大数据建设
  • 免费创建论坛网站wordpress sql插件
  • 有移动端网站 怎么做app做网站的困难
  • 金种子酒业网站建设苏州专业的网站建设公司
  • 住房与住房建设部网站首页给网站做收录较好的软件
  • 课程网站的设计网站开发遇到的难题
  • 学网站建设要什么iis 二级网站 发布
  • 怎么仿做网站wordpress文章进不去
  • 网站建设费算办公费吗html5商城网站模板
  • 188旅游网站源码下载做个爬架网站如何做
  • 中国做的比较好的网站设计公司有哪些可以做翻译兼职的网站吗
  • 深圳做网站建设公司dw学生个人网页制作视频
  • html网页设计代码作业网站衡水武邑县建设局网站
  • 网站后台登陆验证码wordpress 前台加载慢
  • 网站推广去哪家比较好专门做网站的公司叫什么
  • 前端做项目的网站资源公司做网站的步骤
  • 资源分享网站怎么建设网站建设百度云
  • 宣讲家网站官德修养与作风建设短视频seo关键词
  • 更新网站怎么弄建设工程合同范本工程施工合同范本
  • 外贸网站建设有什么需要注意的吗白山网站设计
  • 哪家做网站性价比高宁波seo网络优化哪家好
  • 望京做网站微信订阅号怎么做网站
  • 分销系统网站建设网站建设 51下拉平台
  • 怎么才能自己做网站怎么自己制作app
  • 爱看视频的网站政务公开既网站信息化建设会议
  • 做外单什么网站好网站模板下载之后怎么做
  • 网站维护细则微博同步wordpress
  • 网站微商城的建设新网域名备案
  • 网站举报有奖平台北京vi设计公司怎么样