没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
详解 Pytorch 使用 Pytorch 拟合多项式
(多项式回归)
使用
Pytorch
来编写神经网络具有很多优势,比起
Tensorflow
,我认
为
Pytorch
更加简单,结构更加清晰。
希望通过实战几个
Pytorch
的例子,让大家熟悉
Pytorch
的使用方法,
包括数据集创建,各种网络层结构的定义,以及前向传播与权重更新
方式。
比如这里给出
很显然,这里我们只需要假定
这里我们只需要设置一个合适尺寸的全连接网络,根据不断迭代,求
出最接近的参数即可。
但是这里需要思考一个问题,使用全连接网络结构是毫无疑问的,但
是我们的输入与输出格式是什么样的呢?
只将一个
x
作为输入合理吗?显然是不合理的,因为每一个神经元其
实模拟的是
wx+b
的计算过程,无法模拟幂运算,所以显然我们需要
将
x
,
x
的平方,
x
的三次方,
x
的四次方组合成一个向量作为输入,
假设有
n
个不同的
x
值,我们就可以将
n
个组合向量合在一起组成输
入矩阵。
这一步代码如下:
def make_features(x):
x = x.unsqueeze(1)
return torch.cat([x ** i for i in range(1,4)] , 1)
资源评论
程序猿小乙
- 粉丝: 62
- 资源: 1740
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功