-
torchvision.models
torchvision.models torchvision.models.alexnet(pretrained=False, ** kwargs) torchvision.models.resnet18(pretrained=False, ** kwargs) torchvision.models.resnet34(pretrained=False, ... -
简单线性回归模型
简单线性回归模型 第一步：数据预处理 第二步：训练集使用简单线性回归模型来训练 第三步：预测结果 第四步：可视化 训练集结果可视化 测试集结果可视化 简单线性回归模型 第一步：数据预处理 import pandas as pd import numpy as np import matplotlib ... -
Warm-up: numpy
Warm-up: numpy Warm-up: numpy 译者：@yongjay13 、@speedmancs 校对者：@bringtree 本例中的神经网络有一个隐藏层, 后接ReLU激活层, 并且不带偏置参数. 训练时使用欧几里得误差来学习从x到y的映射. 我们只用到了numpy, 完全手写实现神经网络, 包括前向计算, 误差计... -
torch.utils.data
torch.utils.data 译者署名 torch.utils.data class torch . utils . data . Dataset 表示数据集的抽象类。 所有其他数据集都应该进行子类化。所有子类应该覆盖__len__ 和__getitem__ ，__len__ 提供了数据集的大小，__getitem__ 支持整数索引，... -
简单线性回归模型
简单线性回归模型 第1步: 数据预处理 导入库 导入数据集 将类别数据数字化 躲避虚拟变量陷阱 拆分数据集为训练集和测试集 第2步： 在训练集上训练多元线性回归模型 Step 3: 在测试集上预测结果 简单线性回归模型 第1步: 数据预处理 导入库 import pandas as pd import nu... -
数据预处理
数据预处理 第1步：导入库 第2步：导入数据集 第3步：处理丢失数据 第4步：解析分类数据 创建虚拟变量 第5步：拆分数据集为训练集合和测试集合 第6步：特征量化 数据预处理 如图所示，通过6步完成数据预处理 此例用到的数据 ，代码 。 第1步：导入库 import numpy as np import pandas... -
完整流程参考
完整流程参考 undefined制作个人的神经网络训练数据集 完整流程参考 undefined制作个人的神经网络训练数据集 https://blog.csdn.net/woshinierye/article/details/105379368 -
torchvision.models
torchvision.models Alexnet VGG ResNet SqueezeNet DenseNet Inception v3 torchvision.models 译者：@那伊抹微笑 、@dawenzi123、@LeeGeong 、@liandongze 校对者：@咸鱼 torchvision.models 模块... -
TensorFlow: 静态图
TensorFlow: 静态图 TensorFlow: 静态图 译者：@yongjay13 、@speedmancs 校对者：@bringtree 本例中的全连接神经网络有一个隐藏层, 后接ReLU激活层, 并且不带偏置参数. 训练时通过最小化欧式距离的平方, 来学习从x到y的映射. 在实现中, 我们会用基本的TensorFlow操作...
