超简单的神经网络构建方法，你上你也行
全文共2392字 ， 预计学习时长11分钟
本文插图
图源：unsplash
人工智能 ， 深度学习 ， 这些词是不是听起来就很高大上 ， 充满了神秘气息？仿佛是只对数学博士开放的高级领域？
错啦！在B站已经变成学习网站的今天 ， 还有什么样的教程是网上找不到的呢？深度学习从未如此好上手 ， 至少实操部分是这样 。
假如你只是了解人工神经网络基础理论 ， 却从未踏足如何编写 ， 跟着本文一起试试吧 。 你将会对如何在PyTorch 库中执行人工神经网络运算 ， 以预测原先未见的数据有一个基本的了解 。
这篇文章最多10分钟就能读完；如果要跟着代码一步步操作的话 ， 只要已经安装了必要的库 ， 那么也只需15分钟 。 相信我 ， 它并不难 。
长话短说 ， 快开始吧！
本文插图
导入语句和数据集
在这个简单的范例中将用到几个库：
· Pandas:用于数据加载和处理
· Matplotlib: 用于数据可视化处理
· PyTorch: 用于模型训练
· Scikit-learn: 用于拆分训练集和测试集
本文插图
图源：unsplash
如果仅仅是想复制粘贴的话 ， 以下几条导入语句可供参考：
import torch import torch.nn as nn import torch.nn.functional as F import pandas as pd import matplotlib.pyplot as plt from sklearn.model_selection import train_test_split
至于数据集 ， Iris数据集可以在这个URL上找到 。 下面演示如何把它直接导入
Pandas： iris = pd.read_csv('https://raw.githubusercontent.com/pandas-dev/pandas/master/pandas/tests/data/iris.csv') iris.head()
前几行如下图所示：
本文插图
现在需要将 Name列中鸢尾花的品种名称更改或者重映射为分类值 。 ——也就是0、1、2 。 以下是步骤说明：
mappings = { 'Iris-setosa': 0, 'Iris-versicolor': 1, 'Iris-virginica': 2 }iris['Name'] = iris['Name'].apply(lambda x: mappings[x])
执行上述代码得到的DataFrame如下：
本文插图
这恭喜你 ， 你已经成功地迈出了第一步！
本文插图
拆分训练集和测试集
在此环节 ， 将使用 Scikit-Learn库拆分训练集和测试集 。 随后, 将拆分过的数据由 Numpy arrays 转换为PyTorchtensors 。
本文插图
图源：unsplash
首先 ， 需要将Iris 数据集划分为“特征”和“ 标签集” ——或者是x和y 。 Name列是因变量而其余的则是“特征”（或者说是自变量） 。
接下来笔者也将使用随机种子 ， 所以可以直接复制下面的结果 。 代码如下：
X = iris.drop('Name', axis=1).values y = iris['Name'].valuesX_train, X_test, y_train, y_test = train_test_split(X,y, test_size=0.2, random_state=42)X_train = torch.FloatTensor(X_train) X_test = torch.FloatTensor(X_test) y_train = torch.LongTensor(y_train) y_test = torch.LongTensor(y_test)
推荐阅读
- 无敌马克兔|使用3个看似简单的挑战，提高摄影技巧，拍摄出不俗的作品
- 韩博士装机大师|玩游戏卡顿？只要简单2步，开启电脑最大性能，速度提升10倍！
- 找靓机|还在说小米是屌丝机？小米的实力，可不是你想的那么简单
- 中金网|PruPay 使用 PayPal 构建基于文本的支付系统
- 保险慧择首席AI专家陈健：以数据智能构建保险服务效率指数提升
- 嘶吼RoarTalk|5 个简单的方法让你的 Gmail 邮箱更安全
- 长理职培谢老师|2021年国家电网招聘考试通信类高频考点：基于CDC-F特性光交叉构建下一代光网
- 新商业情报NBT|相比AI学习，“开言简单学”的外教视频更有亮点
- 极客特派员|荣耀X10简单上手，看看值不值得买
- 京东京东牵手埃克森美孚 全方位数字化体系构建助力汽车后市场转型