PyTorch中神经网络的训练
torchtuples的Python项目详细描述
扭偶
^{1}$
torchtuples是一个用于训练PyTorch模型的小python包。
它同样适用于numpy arrays和torch tensors。
torchtuples的主要优点之一是它以嵌套元组的形式处理数据（请参见example below）。在
安装
torchtuples依赖于应该从HERE安装的PyTorch。在
接下来，torchtuples可以与pip一起安装：
pip install torchtuples
对于最新版本，直接从github安装（考虑添加--force-reinstall）：
或者通过克隆回购：
git clone https://github.com/havakv/torchtuples.git
cd torchtuples
python setup.py install
示例
importtorchfromtorchimportnnfromtorchtuplesimportModel,optim
用三组协变量x0、x1和{x中构造。在
n=500x0,x1,x2=[torch.randn(n,3)for_inrange(3)]y=torch.randn(n,1)x=(x0,(x0,x1,x2))
创建一个简单的ReLU网络，将张量x_tensor和元组x_tuple作为输入。请注意，x_tuple可以是任意长度。x_tuple中的张量通过一层lin_tuple，取平均值，并与x_tensor相连。
然后我们通过层lin_cat传递新的张量。在
classNet(nn.Module):def__init__(self):super().__init__()self.lin_tuple=nn.Linear(3,2)self.lin_cat=nn.Linear(5,1)self.relu=nn.ReLU()defforward(self,x_tensor,x_tuple):x=[self.relu(self.lin_tuple(xi))forxiinx_tuple]x=torch.stack(x).mean(0)x=torch.cat([x,x_tensor],dim=1)returnself.lin_cat(x)defpredict(self,x_tensor,x_tuple):x=self.forward(x_tensor,x_tuple)returntorch.sigmoid(x)
我们现在可以用
model=Model(Net(),nn.MSELoss(),optim.SGD(0.01))log=model.fit(x,y,batch_size=64,epochs=5)
并使用Net.predict方法进行预测
preds=model.predict(x)
或者使用Net.forward方法
preds=model.predict_net(x)
有关更多示例，请参见examples folder。在
- 项目
标签：
欢迎加入QQ群-->： 979659372
