牛逼的可视化工具Live Programming Mode - Python Tutor - Visualize Python and JavaScript code

原文：Dropout 缓解过拟合 - PyTorch 莫烦Python (mofanpy.com) 过拟合让人头疼, 明明训练时误差已经降得足够低, 可是测试的时候误差突然飙升 主要原因是训练数据太少，模型对训练数据过度学习了 可以用数据点的曲线回归问题来解释 定义数据集 12345678910111213141516171819202122import torchimport matplotli

原文：什么是批标准化 (Batch Normalization) - PyTorch 莫烦Python (mofanpy.com) Batch Normalization, 批标准化, 和普通的数据标准化类似, 是将分散的数据统一的一种做法, 也是优化神经网络的一种方法 为什么要标准化？ 在神经网络中, 数据分布对训练会产生影响. 比如某个神经元 x 的值为1, 某个 Weights 的初始值为

原文：AutoEncoder (自编码/非监督学习) - PyTorch 莫烦Python (mofanpy.com) 编码器 这部分也叫作 encoder 编码器. 编码器能得到原数据的精髓, 然后我们只需要再创建一个小的神经网络学习这个精髓的数据,不仅减少了神经网络的负担, 而且同样能达到很好的效果. 这是一个通过自编码整理出来的数据, 他能从原数据中总结出每种类型数据的特征, 如

原文：RNN 循环神经网络 (回归) - PyTorch 莫烦Python (mofanpy.com) PyTorch08-RNN(循环神循环神经网络让神经网络有了记忆, 对于序列话的数据,循环神经网络能达到更好的效果 上次我们提到了用 RNN 的最后一个时间点输出来判断之前看到的图片属于哪一类, 这次我们用 RNN 来及时预测时间序列 效果：用sin预测cos RNN网络对每一个 r_out

原文：RNN 循环神经网络 (分类) - PyTorch 莫烦Python (mofanpy.com) 循环神经网络让神经网络有了记忆, 对于序列化的数据,循环神经网络能达到更好的效果。 数据集1234567891011121314151617181920212223242526import torchfrom torch import nnimport torchvision.datasets

原文:CNN 卷积神经网络 - PyTorch 莫烦Python (mofanpy.com) 下载数据集1234567891011121314151617181920212223import torchimport torch.nn as nnimport torch.utils.data as Dataimport torchvision # 数据库模块import matplotl

原文：Optimizer 优化器 - PyTorch 莫烦Python (mofanpy.com) 采用不同的优化算法，网络模型收敛的效果是不同的 比较优化器采用不同优化算法的效果1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859

原文：批训练 - PyTorch 莫烦Python (mofanpy.com) 单个数据训练太慢，一批一批训练会加快训练速度 DataLoaderTorch提供了DataLoader来帮助批训练 123456789101112131415161718192021222324252627282930313233343536import torchimport torch.utils.data as

原文：保存提取 - PyTorch 莫烦Python (mofanpy.com) 训练好一个网络的参数之后，如果想要下次直接用，就需要把网络模型参数保存下来。 快速搭建网络并训练，两种保存方法就是之前的回归模型 1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515