云计算学习：用PyTorch实现一个简单的分类器

# train result  train_result = net(x)  # print(train_result.shape)  train_predict = torch.max(train_result, 1)[1]  plt.scatter(x.data.numpy()[:, 0], x.data.numpy()[:, 1], c=train_predict.data.numpy(), s=100, lw=0, cmap='RdYlGn')  plt.show() 

为了让大家更好的理解这个模型的作用，这里我们来做一些可视化的工作，看看一个模型的学习效果。通过 python 很常见的一个数据可视化的库 matplotlib 可以实现这个目标，具体的 matplotlib 的用法就不介绍了。

这里的作用是显示出来训练好的模型对训练集的分类效果，可以理解为训练误差。

1591259596621

test  t_data = torch.zeros(100, 2)  test_data = torch.normal(t_data, 5)  test_result = net(test_data)  prediction = torch.max(test_result, 1)[1]  plt.scatter(test_data[:, 0], test_data[:, 1], s=100, c=prediction.data.numpy(), lw=0, cmap='RdYlGn')  plt.show() 

然后我们以 0 为 mean，随机生成一些数据，来看看模型会怎么去分类这些数据点。

1591259611870

虽然没有画出来那条训练好的分割线，但是我们也可以看到模型学习了一个分割的界面，来将数据划分为两类。

（编辑：常州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!