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。众所周知，通过使用在训练期间变化的学习率，可以在某些问题上提高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，您将了解 Dropout 正则化技术以及如何在 PyTorch 模型中应用它。阅读本文后，您将知道：Dropout 正则化技术如何工作如何在您的模型中使用 Dropout […]

损失度量对于神经网络非常重要。由于所有机器学习模型都是或多或少的一个优化问题，因此损失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，它们又是如何影响您的神经网络的？在这篇文章中 […]

最简单的深度学习模型是串联连接的感知器层。如果没有激活函数，它们只是矩阵乘法，无论有多少个，其能力都有限。激活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，其中涉及许多参数。训练这些参数可能需要数小时、数天甚至数周，但之后，您就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，超参数是神经网络的设计固定且不通过训练调整的参数。例如，隐藏层的数量和激活函数的选择。 […]

由于其简单性，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 中最受欢迎的通用机器学习库。在这篇文章中，您将了解如何在 Python 中将 PyTorch 的深度学习模型与 scikit-learn 库结合使用。 […]

PyTorch 库用于深度学习。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，您将了解如何使用 PyTorch 为回归问题开发和评估神经网络模型。完成本文后，您将知道：如何从 scikit-learn 加载数据并进行调整 […]

PyTorch 库用于深度学习。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，您将了解如何使用 PyTorch 为二元分类问题开发和评估神经网络模型。完成本文后，您将知道：如何加载训练数据并使其 […]

PyTorch 库用于深度学习。深度学习模型的一些应用用于解决回归或分类问题。在本教程中，您将了解如何使用 PyTorch 为多类分类问题开发和评估神经网络模型。完成此分步教程后，您将知道：如何从 […]加载数据