当前位置：首页 > news >正文

装修做劳务去哪个网站找工地免费网站申请注册

news 2025/7/25 10:29:51

装修做劳务去哪个网站找工地,免费网站申请注册,贵州省城乡和住房建设厅网站首页,电子商务是干什么的女生学难吗为什么80%的码农都做不了架构师？>>> 对于LSTM，我们要处理的数据是一个序列数据，对于图片而言，我们如何将其转换成序列数据呢？图片的大小是28x28，所以我们可以将其看成长度为28的序列&#xff0…

为什么80%的码农都做不了架构师？>>>

对于LSTM，我们要处理的数据是一个序列数据，对于图片而言，我们如何将其转换成序列数据呢？图片的大小是28x28，所以我们可以将其看成长度为28的序列，序列中的每个数据的维度是28，这样我们就可以将其变成一个序列数据了。

model

class Rnn(nn.Module):def __init__(self, in_dim, hidden_dim, n_layer, n_class):super(Rnn, self).__init__()self.n_layer = n_layerself.hidden_dim = hidden_dimself.lstm = nn.LSTM(in_dim, hidden_dim, n_layer,batch_first=True)self.classifier = nn.Linear(hidden_dim, n_class)def forward(self, x):# h0 = Variable(torch.zeros(self.n_layer, x.size(1),#   self.hidden_dim)).cuda()# c0 = Variable(torch.zeros(self.n_layer, x.size(1),#   self.hidden_dim)).cuda()out, _ = self.lstm(x)out = out[:, -1, :]out = self.classifier(out)return outmodel = Rnn(28, 128, 2, 10)  # 图片大小是28x28
use_gpu = torch.cuda.is_available()  # 判断是否有GPU加速
if use_gpu:model = model.cuda()
# 定义loss和optimizer
criterion = nn.CrossEntropyLoss()
optimizer = optim.Adam(model.parameters(), lr=learning_rate)

这里我们定义了一个LSTM模型，我们需要传入的参数是输入数据的维数28，LSTM输出的维数128，LSTM网络层数2层以及输出的类数10。

在网络定义里面首先需要定义LSTM，而长度为28的序列传入LSTM之后输出的也是长度为28，而输入的维数是28，输出的维数由我们定义为128，最后我们只取输出的最后一个部分传入分类器求出分类概率。

out = out[:, -1, :]通过这种方式，out中的三个维度分别表示batch_size，序列长度和数据维度，所以中间的序列长度取-1，表示取序列中的最后一个数据，这个数据维度为128，再通过分类器，输出10个结果表示每种结果的概率。

另外上面注释掉的部分就是初始的h_0和c_0，这里可以自己定义，如果不定义，默认传入0，也可以根据自己的要求传入自己定义的h_0和c_0。