PyTorch - 神经网络基础

神经网络的主要原理包括一组基本元素,即人工神经元或感知器。它包括几个基本输入,例如 x1、x2... xn ,如果总和大于激活电位,则会产生二进制输出。

样本神经元的示意图如下所述。

产生的输出可以被认为是具有激活电位或偏差的加权和。

典型的神经网络架构如下所述。

输入和输出之间的层称为隐藏层,层之间连接的密度和类型是配置。例如,一个完全连接的配置将 L 层的所有神经元都连接到 L+1 层的神经元。对于更明显的定位,只能将一个局部邻域(比如 9 个神经元)连接到下一层。图 1-9 展示了两个具有密集连接的隐藏层。

各种类型的神经网络如下。

1.1 前馈神经网络

前馈神经网络包括神经网络族的基本单元。在这种类型的神经网络中,数据的移动是通过现有的隐藏层从输入层到输出层。一层的输出作为输入层,对网络架构中的任何类型的循环都有限制

1.2 递归神经网络

递归神经网络是指数据模式在一段时间内发生变化。在 RNN 中,相同的层被应用于在指定的神经网络中接受输入参数并显示输出参数。

可以使用 torch.nn 包构建神经网络。

这是一个简单的前馈网络。它接受输入,一个接一个地通过几个层,最后给出输出。

在 PyTorch 的帮助下,可以将以下步骤用于神经网络的典型训练过程:

  • 定义具有一些可学习参数(或权重)的神经网络。
  • 迭代输入数据集。
  • 通过网络处理输入。
  • 计算损失(输出与正确的距离有多远)。
  • 将梯度传播回网络的参数。
  • 更新网络的权重,通常使用如下所示的简单更新。

rule: weight = weight -learning_rate * gradient

相关推荐
前端双越老师13 分钟前
30 行代码 langChain.js 开发你的第一个 Agent
人工智能·node.js·agent
东坡肘子30 分钟前
高温与奇怪的天象 | 肘子的 Swift 周报 #092
人工智能·swiftui·swift
Green1Leaves32 分钟前
pytorch学习-11卷积神经网络(高级篇)
pytorch·学习·cnn
KaneLogger1 小时前
视频转文字,别再反复拖进度条了
前端·javascript·人工智能
度假的小鱼1 小时前
从 “人工编码“ 到 “AI 协同“:大模型如何重塑软件开发的效率与范式
人工智能
zm-v-159304339862 小时前
ArcGIS 水文分析升级:基于深度学习的流域洪水演进过程模拟
人工智能·深度学习·arcgis
拓端研究室3 小时前
视频讲解|核密度估计朴素贝叶斯:业务数据分类—从理论到实践
人工智能·分类·数据挖掘
灵智工坊LingzhiAI3 小时前
人体坐姿检测系统项目教程(YOLO11+PyTorch+可视化)
人工智能·pytorch·python
昨日之日20063 小时前
Video Background Remover V3版 - AI视频一键抠像/视频换背景 支持50系显卡 一键整合包下载
人工智能·音视频
SHIPKING3934 小时前
【机器学习&深度学习】什么是下游任务模型?
人工智能·深度学习·机器学习