作者归档 | Adrian Tam

当你构建和训练 PyTorch 深度学习模型时，你可以通过多种方式提供训练数据。最终，PyTorch 模型就像一个函数，接收一个 PyTorch 张量并返回另一个张量。你可以自由地获取输入张量。最简单的方法可能是 [...]

训练神经网络或大型深度学习模型是一项困难的优化任务。训练神经网络的经典算法称为随机梯度下降。人们普遍认为，通过使用在训练期间变化的学习率，可以提高某些问题的性能并加快训练速度。在这篇文章中，[...]

Dropout 是一种简单而强大的正则化技术，用于神经网络和深度学习模型。在这篇文章中，你将了解 Dropout 正则化技术以及如何在 PyTorch 模型中应用它。阅读本文后，你将了解：Dropout 正则化技术的工作原理 如何在你的 [...]

损失函数（loss metric）对神经网络非常重要。由于所有机器学习模型都是一个又一个的优化问题，损失就是需要最小化的目标函数。在神经网络中，优化是通过梯度下降和反向传播完成的。但是，什么是损失函数，它们如何影响你的神经网络？在这 [...]

最简单的深度学习模型就是串联的感知器层。如果没有激活函数，它们只是矩阵乘法，无论有多少层，能力都有限。激活函数是神经网络能够近似各种非线性函数的神奇之处。在 PyTorch 中，有很多 [...]

深度学习模型是数据的数学抽象，其中涉及大量参数。训练这些参数可能需要数小时、数天甚至数周，但之后，你可以利用结果将其应用于新数据。这在机器学习中称为推理。了解如何 [...]

神经网络的“权重”在 PyTorch 代码中被称为“参数”，它在训练过程中由优化器进行微调。相反，超参数是神经网络固定的参数，不由训练调整。例如，隐藏层的数量和激活函数的选择。 [...]

由于其简洁性，Python 中最受欢迎的用于研究和开发的深度学习库是 TensorFlow/Keras 和 PyTorch。然而，scikit-learn 库是 Python 中最流行的通用机器学习库。在这篇文章中，你将了解如何在 Python 中使用 scikit-learn 库中的 PyTorch 深度学习模型。 [...]

PyTorch 库是为深度学习设计的。深度学习模型的一些应用是解决回归或分类问题。在这篇文章中，你将了解如何使用 PyTorch 为回归问题开发和评估神经网络模型。完成本文后，你将了解：如何从 scikit-learn 加载数据并对其进行调整 [...]

PyTorch 库是为深度学习设计的。深度学习模型的一些应用是解决回归或分类问题。在这篇文章中，你将了解如何使用 PyTorch 为二元分类问题开发和评估神经网络模型。完成本文后，你将了解：如何加载训练数据并使其 [...]