PyTorch 深度学习实践-逻辑斯蒂回归

视频指路
参考博客笔记
参考笔记二

用来分类的模型

说明:1、 逻辑斯蒂回归和线性模型的明显区别是在线性模型的后面,添加了激活函数(非线性变换)

​ 2、分布的差异:KL散度,cross-entropy交叉熵

在这里插入图片描述

现在损失函数衡量不是距离而是分布,所以要改为交叉熵

在这里插入图片描述

sigmod的函数是一个在生物学中常见的S型函数,也称为S型生长曲线。在信息科学中,由于其单增以及反函数单增等性质,常被用作神经网络的激活函数,将变量映射到0,1之间。-------------摘自《百度百科》

sigmod函数也叫作Logistic函数,用于隐层神经单元输出,取值范围为(0,1),它可以将一个实数映射到(0,1)的区间,可以用来做二分类。在特征相差比较复杂或者相差不是特别大的时候效果比较好。

类实现:

class LogisticRegressionModel(torch.nn.Module):
    def __init__(self):
        super(LogisticRegressionModel, self).__init__()
        self.linear = torch.nn.Linear(1,1)
 
    def forward(self, x):
        # y_pred = F.sigmoid(self.linear(x))
        y_pred = torch.sigmoid(self.linear(x))
        return y_pred

model = LogisticRegressionModel()

总python实现

import torch

# prepare dataset
x_data = torch.Tensor([[1.0], [2.0], [3.0]])
y_data = torch.Tensor([[0], [0], [1]])


# design model using class
class LogisticModel(torch.nn.Module):
    def __init__(self):
        super().__init__()
        self.linear = torch.nn.Linear(1, 1)

    def forward(self, x):
        y_pred = torch.sigmoid(self.linear(x))#线性层后面加一层非线性SIGMOD激活函数
        return y_pred

logistic = LogisticModel()

# construct loss and optimizer
# reduction='mean'取平均  reduction='sum'求和 loss被累加
criterion = torch.nn.BCELoss(reduction='sum')
optimizer = torch.optim.SGD(logistic.parameters(), lr=0.01)

# training cycle forward, backward, update
for epoch in range(1000):
    y_pred = logistic(x_data)
    loss = criterion(y_pred, y_data)
    print(epoch, loss)

    optimizer.zero_grad()
    loss.backward()
    optimizer.step()

print("w= ", logistic.linear.weight.item())
print("b= ", logistic.linear.bias.item())
x_test = torch.Tensor([4.0])
y_pred = logistic(x_test)
print("y_pred= ", y_pred)

相关推荐

最近更新

  1. docker php8.1+nginx base 镜像 dockerfile 配置

    2024-07-21 02:40:02       145 阅读
  2. Could not load dynamic library ‘cudart64_100.dll‘

    2024-07-21 02:40:02       159 阅读
  3. 在Django里面运行非项目文件

    2024-07-21 02:40:02       133 阅读
  4. Python语言-面向对象

    2024-07-21 02:40:02       145 阅读

热门阅读

  1. 智能门锁是如何控制进出的?

    2024-07-21 02:40:02       32 阅读
  2. 2732. 找到矩阵中的好子集

    2024-07-21 02:40:02       36 阅读
  3. Gradle依赖管理 & Kotlin DSL解析

    2024-07-21 02:40:02       36 阅读
  4. 计算机网络重点--TCP三次握手

    2024-07-21 02:40:02       33 阅读
  5. Next.js静态导出与动态路由优化

    2024-07-21 02:40:02       34 阅读
  6. 分治算法(算法篇)

    2024-07-21 02:40:02       28 阅读
  7. 【时时三省】(C语言基础)选择语句和循环语句

    2024-07-21 02:40:02       29 阅读