Pytorch入門操作 構建簡單的神經網路

讀研伊始，簡單了解了一下pytorch構建神經網路的方法，特記錄。

1、利用pytorch實現神經網路時，要注意：

numpy和tensor的互化

資料型別的轉化，包括numpy的int32、float64等，注意numpy中astype()的用法。

注意conv接收的資料為4維：batch, channel, h, w，維度的增加和減少要記住squeeze()和unsqueeze()的用法，改變tensor尺寸要熟悉view()的用法。

想要手動定義卷積核，可以使用torch.nn.functional中的conv2d()，它和torch.nn中的conv2d不太一樣，注意區別功能和函式名的大小寫。

網路的搭建大多是定義類，可以選擇將優化器、loss寫在類內，也可以在後續訓練模型時單獨寫優化器和loss。

例1：構建乙個簡單的全連線網路，就是最熟悉的輸入層——隱含層——輸出層。

class

net(torch.nn.module)
:def
__init__
(self, n_feature, n_hidden, n_output)
:super
(net, self)
.__init__(
)       self.hidden = torch.nn.linear(n_feature, n_hidden)
#self.hidden2 = torch.nn.linear(n_hidden, n_hidden)
self.out = torch.nn.linear(n_hidden, n_output)
defforward
(self,x)
:       x = f.relu(self.hidden(x)
)#x = f.relu(self.hidden2(x))
x = self.out(x)
return x
#輸出網路結構 
net_test=net(4,
7,3)
print
(net_test)

net(

(hidden): linear(in_features=4, out_features=7, bias=true)
(out): linear(in_features=7, out_features=3, bias=true)
)

net = net(n_feature=

4, n_hidden=
20, n_output=3)
#定義網路
optimizer = torch.optim.sgd(net.parameters(
), lr=
0.01
)# sgd:隨機梯度下降法
for i in
range
(iters)
:   out = net(train_data)
#獲取輸出
criteria=nn.crossentropyloss(
)   loss = criteria(out,y)
# 1、定義loss，輸出與原始標籤對比
optimizer.zero_grad(
)# 2、初始化梯度
loss.backward(
)# 3、反向傳播
optimizer.step(
)# 4、更新引數
'''注意！！對於crossentropyloss()，有時不能直接用
crossentropyloss(predict，y)
樓主還是初學，暫時不知道原因，但是mseloss()可以直接把引數放進去
懇求大家指導
'''

# **參考其它部落格

# class
mynet
(nn.module)
:def
__init__
(self)
:super
(mynet, self)
.__init__(
)# 容器，使用時順序呼叫各個層
self.fc = nn.sequential(
# 定義三層
nn.linear(2,
4),          nn.linear(4,
4),          nn.linear(4,
1),)
# 優化器
# params:優化物件
# lr:學習率
self.opt = torch.optim.adam(params=self.parameters(
), lr=
0.001
)      self.mls = torch.nn.mseloss(
)#定義損失函式
defforward
(self, inputs)
:return self.fc(inputs)
deftrain
(self, x, y)
:# 訓練
out = self.forward(x)
# 得到輸出結果
loss = self.mls(out, y)
#1、計算loss
self.opt.zero_grad(
)#2、初始化梯度
loss.backward(
)#3、反向傳播
self.opt.step(
)#4、梯度更新
deftest
(self, x)
:# 測試，就是前向傳播的過程
return self.forward(x)

if __name__==

'__main__'：
net = mynet(
)for i in
range
(iters)
:              net.train(x, y)
out = net.test(待測值)

我會把學習過程中的notebook放在github上：cca8290的github

pytorch入門1 1（基本操作）

本節繼續來講pytorch的入門級操作，加加減減 拍平拉直的操作。在操作張量的的時候，肯定少不了張量之間的加減乘除。二維世界的張量就是矩陣，是不是像我們學數學那樣直接用 直接操作就好了呢？x torch.tensor 1,2 3,4 y torch.ones 2,2 x y 對應元素相加 x y 對...

pytorch入門1 0（基本操作）

pytorch入門1.0 主要是關於張量的建立 運算 索引等一些基本操作。隨便練習一下，增加對張量操作的熟悉程度。1.pytorch是什麼？pytorch是2017年由facebook人工智慧研究院 fair 基於torch推出的乙個開源python機器學習庫。該庫能借助gpu加速張量的計算 亦具有...

利用pytorch構建簡單神經網路

省略了資料集的處理過程 轉為tensor x torch.tensor input features,dtype float y torch.tensor labels,dtype float 權重引數初始化，設計網路結構 輸入348 14 weights torch.randn 14 128 dt...