【第二部分】代码练习

2.1 pytorch 基础练习

定义数据测试

 

 定义操作测试

 

其中执行m@v时报错

 

该处v为long类型与参数类型float不符，修改后执行

 

transpose和permute中转置过程理解

• transpose：只能选择tensor中两个维度进行转置

  （transpose（X，Y）函数和矩阵的转置是一个意思，相当于行为X轴，列为Y轴，X轴和Y轴调换了位置；

  　　X轴用0表示，Y轴用1表示）

• permute：可以让tensor按照指定维度顺序（维度的个数就是该tensor的维度数）进行转置

只要这两个函数用过后，tensor都会变得不再连续，就不可以使用view()

randn函数随着操作数的增多逼近正态分布

 

拼接函数torch.cat

torch.cat() 和python中的内置函数cat()， 在使用和目的上，是没有区别的，区别在于前者操作对象是tensor。

---

2.2 螺旋数据分类

• 计算出三类样本并输出结果

 

• 线性模型分类

 

• 两层神经网络分类

 

线性模型分类准确度

 

两层神经网络分类准确度

 

对比两者，在两层神经网络里加入 ReLU 激活函数以后分类的准确度由51.4%提高到了94.3%，在两层神经网络里加入 ReLU 激活函数，也改变了优化算法。在采用ReLU激活函数时，使用的是Adam优化算法，当继续使用SGD优化算法时，准确率只能提高5%左右。而如果线性模型分类中也使用Adam优化算法时，准确率仍在50%左右，故使用Relu激活函数与Adam优化算法可以很好的提高分类准确率。