如何在Pytorch
中实现这些2Keras
模型(受Datacamp课程'Advanced Deep Learning with Keras in Python'启发):
1输入2输出分类:
from keras.layers import Input, Concatenate, Dense
from keras.models import Model
input_tensor = Input(shape=(1,))
output_tensor = Dense(2)(input_tensor)
model = Model(input_tensor, output_tensor)
model.compile(optimizer='adam', loss='categorical_crossentropy')
X = ... # e.g. a pandas series
y = ... # e.g. a pandas df with 2 columns
model.fit(X, y, epochs=100)
分类回归模型:
from keras.layers import Input, Dense
from keras.models import Model
input_tensor = Input(shape=(1,))
output_tensor_reg = Dense(1)(input_tensor)
output_tensor_class = Dense(1, activation='sigmoid')(output_tensor_reg)
model.compile(loss=['mean_absolute_error','binary_crossentropy']
X = ...
y_reg = ...
y_class = ...
model.fit(X, [y_reg, y_class], epochs=100)
This ressource特别有用。你知道吗
基本上,这个想法是,与Keras相反,你必须明确地说,在你的前向函数中,你要在哪里计算每个输出,以及如何从中计算全局损失。你知道吗
例如,关于第一个示例:
然后计算损失:
对于第二个,它几乎是一样的,但是你要计算在向前传球的不同点的损失:
相关问题 更多 >
编程相关推荐