Skip to Main Content
Машинное обучение с PyTorch и Scikit-Learn
book

Машинное обучение с PyTorch и Scikit-Learn

by Sebastian Raschka, Yuxi (Hayden) Liu, Vahid Mirjalili
May 2024
Beginner to intermediate content levelBeginner to intermediate
688 pages
26h
Russian
Foliant
Content preview from Машинное обучение с PyTorch и Scikit-Learn
Углубленное знакомство с PyTorch
415
>>> loss_fn = nn.BCELoss()
>>> optimizer = torch.optim.SGD(model.parameters(), lr=0.015)
>>> history = train(model, num_epochs, train_dl, x_valid, y_valid)
Далее, помимо истории обучения, мы воспользуемся библиотекой mlxtend для визуали-
зации проверочных данных и разделяющей границы.
Библиотеку mlxtend можно установить через
conda
или
pip
следующим образом:
conda install mlxtend -c conda-forge
pip install mlxtend
Чтобы вычислить разделяющую границу модели, нам нужно добавить метод
predict()
в класс
MyModule
:
>>> def predict(self, x):
... x = torch.tensor(x, dtype=torch.float32)
... pred = self.forward(x)[:, ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Start your free trial

You might also like

CompTIA Network+ -- Vorbereitung auf die Prüfung N10-009

CompTIA Network+ -- Vorbereitung auf die Prüfung N10-009

Markus Kammermann

Publisher Resources

ISBN: 9786011100342