数据预处理方法
首先，最重要的一点，所有的数据(不管是表格、图像、文本)都要转化成张量。
经典数据集这里的经典数据集是指可以直接用pytorch中的torchvision下载和直接使用的数据集，如MNIST,CIFAR。这些数据这些数据都可以直接用torch.utils.data.DataLoader加载。
12345678910import torchimport torchvisionfrom torch.utils import datafrom torchvision import transformstrans = transforms.ToTensor() #在导入数据时直接转为张量。mnis
神经网络实战项目——MNIST手写数字识别
数据集数据集介绍MNIST是一个手写数字的数据集，专门用于进行深度学习训练，属于是深度学习中的”Hello World”，已经算是经典中的经典。其中有60000个训练集和10000个测试集，每个数据包含了28×28的灰度图像和对应的标签0~9。
获取数据集12345678import torchvisionfrom torchvision import transformstrans = transforms.ToTensor() #将图像数据直接转为张量。#root指定数据路径，train指定训练集或测试集，transform指定转换格式，download表示是否需要下载，下载一次就可以了
神经网络的结构与搭建
神经网络层利用Pytorch可以快速建立神经网络的层。
全连接层123456import torch.nn as nn #以后调用torch.nn就用nn，约定俗成的。import torchx = torch.tensor([1.,2.,3.])fc = nn.Linear(in_features=3,out_features=5) #实例化一个全连接层。y = fc(x)y
1tensor([ 0.0927, 0.6689, 1.1373, -1.7523, -0.4160], grad_fn=<AddBackward0>)
卷积层1234567891011121
张 量
张量张量是什么张量(tensor)是深度学习中最重要、最基本的一种数据结构，由数字组成，类似于Python中的列表，也可以进行多层嵌套。说得通俗一些，就是向量里面继续嵌套向量，再嵌套向量。所以数学中的向量、矩阵都可以称为张量。
列举几个张量这里用列表的格式表示张量:a = [1,2,3] 是一个形状为[3]的一维张量。b = [[1,3,1,2],  [2,5,4,3]] 是一个形状为[2,4]的二维张量。c = [[[1,2,5,6],  [3,4,3,2],]  [[6,7,3,2], &e
为什么要搭建博客，以及怎样搭建？
为什么要写博客一般来讲，更多人会选择知乎、CSDN等一些国内平台来获取问题的答案或是更新知识库，因为这些地方搜索容易，用户也多。相比而言，个人博客很难通过搜索的方式发现，但其内容却远比大型平台的质量更高。甚至可以说，看一篇博客文章可以顶十篇甚至百篇其他文章。
搭建博客的方法搭建博客的教程我推荐跟着知乎上的一系列教程走，这个系列的教程其中有一些坑，我在下面都列举了出来。
注册githubhttps://zhuanlan.zhihu.com/p/103268406
GitHub上不去的话去微软商店搜Watt Toolkit。
安装githttps://zhuanlan.zhihu.com/p/
Hello World
Welcome to Hexo! This is your very first post. Check documentation for more info. If you get any problems when using Hexo, you can find the answer in troubleshooting or you can ask me on GitHub.
Quick StartCreate a new post1$ hexo new "My New Post"
More info: Writing
Run server1$ hexo ser
« 上一页 1 2 3
