标签：神经网络

2020-03-25半瓶木阅读(1315)评论(0)赞(0)

在训练部分, 我们在MNIST数据集(无尽数据集)上训练了CNN模型, 它似乎达到了合理的损失和准确性。如果模型可以利用它学到的知识并将其自身概括为新数据, 那么它将是其性能的真实证明。这将以与上一个主题相同的方式进行。 步骤1： 我们将在...

2020-03-25半瓶木阅读(1174)评论(0)赞(0)

在最后一部分中, 我们实现了神经网络或创建了对手写数字进行分类的模型。现在, 我们通过从网络上获取图像来测试模型。我们使用以下图像： http://calstormbasketball.com/wp-content/uploads/2018...

2020-03-25半瓶木阅读(1149)评论(0)赞(0)

感知器是单层神经网络, 或者可以说神经网络是多层感知器。 Perceptron是一个二进制分类器, 用于监督学习中。人工神经网络中生物神经元的简单模型称为Perceptron。 可以决定由数字矢量表示的输入是否属于某个特定类的函数称为二进制...

2020-03-25半瓶木阅读(1686)评论(0)赞(0)

我们的下一个任务是在先前标记的图像的帮助下训练神经网络, 以对新的测试图像进​​行分类。因此, 我们将使用nn模块来构建神经网络。 有以下步骤来实现神经网络进行图像识别： 步骤1： 在第一步中, 我们将定义用于创建神经模型实例的类。此类将从...

2020-03-25半瓶木阅读(1523)评论(0)赞(0)

在了解了反向传播的过程之后, 让我们开始看看如何使用PyTorch实现深度神经网络。实施深度神经网络的过程类似于感知器模型的实施。在实施过程中, 我们必须执行以下步骤。 步骤1： 第一步, 我们将导入所有必需的库, 例如PyTorch, n...

2020-03-25半瓶木阅读(1251)评论(0)赞(0)

现在, 我们知道了将具有不同权重和偏差的线组合在一起如何产生非线性模型。神经网络如何知道每一层要具有的权重和偏差值？这与我们对基于单个感知器模型的处理方式没有什么不同。 我们仍在使用梯度下降优化算法, 该算法通过在最陡峭的下降方向(确保模型...

2020-03-25半瓶木阅读(1098)评论(0)赞(0)

现在, 我们将获得有关如何创建, 学习和测试Perceptron模型的知识。在PyTorch中Perceptron模型的实现是通过几个步骤完成的, 例如为模型创建数据集, 设置模型, 训练模型以及测试模型。 让我们从第一步开始, 即创建数据...