深度学习编程全流程学习笔记.pdfVIP

day11-深度学习03

上课⽇期@January31,2024

主要内容PyTorch，深度学习，神经⽹络

主讲⽼师李晓华

复习@February1,2024

课时2

深度学习的编程

底层写法：

⾃定义权重（w,b）

⾃定义处理逻辑

⼿动挡实现全流程

好处：

完全控制每个细节

坏处：

编程⽐较复杂

重复造轮⼦

任何⼀个框架都可以，把框架当做NumPy++啦已使⽤（NumPy+⾃动求导）

中层写法：

使⽤框架定义好的层

框架定义权重

框架定义处理逻辑

半⾃动半⼿动

特点

相对来说，可以控制关键的环节，但是也不⽤写的太底层，编程⽐底层要简单，⽐⾼级写法复杂

使⽤框架的层和⾃动求导

上层写法：

就是对当前的TensorFlow和PyTorch做更上层的封装

真正实现⼏⾏代码，完成所有编程

优势：

编码简单

劣势：

太简单，以⾄于搞不清楚运⾏逻辑

Keras框架：框架之上的框架

底层可以使⽤TensorFlow和PyTorch做后端backend

对专业⼈⼠：

不太可取

囫囵吞枣

PyTorch深度学习全流程

引⼊包

day11-深度学习031

importtorch

fromtorch.utils.dataimportDataset

fromtorch.utils.dataimportDataLoader

fromsklearn.datasetsimportmake_regression

fromsklearn.model_selectionimporttrain_test_split

importnumpyasnp

准备数据

#⽣成假数据

X,y=make_regression(n_samples=10000,n_features=100,n_informative=10,random_state=0)

加⼊噪声：

#⼈为增加噪声

np.random.seed(0)

nosie=np.random.randn(10000)*10

y+=nosie

#切分数据

X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.2,random_state=0)

数据预处理：

数据预处理

-归⼀化

-规范化