machine-learning - 在非图像数据集上在 pytorch 中实现神经网络
问题描述
所以我想在分类问题上实现一个神经网络。互联网上的示例是实现图像分类问题,他们通常从库中加载数据集,但我想在非图像分类问题上实现它。(3个班)
所以我有一个 12000x13 的数据框(12000 个点,12 个特征,最后一列是目标变量)。我想在这个数据集上训练我的神经网络。首先,我在将此数据帧转换为适当的维度(和大小)张量时遇到问题,然后是如何定义 torch_loader 和 test_loader。我们是先分离目标变量还是 Pytorch 自己处理?
一旦我输入了 Pytorch 所需的格式,我在定义网络结构时将不会遇到任何问题,因为这将类似于 Internet 上的图像分类问题。
PS:主要是在互联网上,他们提供了一个在 MNIST 数据集上实现的示例,我无法找到我的问题的答案
解决方案
推荐阅读
- module - 如何阻止 Pycharm 用不同的路径重新打开/复制我的模块文件?和“撤消从磁盘重新加载”
- javascript - 在 bokeh 和 slickgrid 中链接选择
- qt - Qt 事件覆盖 QEvent::KeyRelease 只发生一次
- dialogflow-es - @sys.person - 提取名字和姓氏
- python - Python Xpath 难题。我可以选择链接,尝试点击,不行
- javascript - 如何防止我的内容区域移动
- typescript - 无法从导入的类中导入函数
- android - lateinit 属性 llMain(RecyclerView) 尚未初始化
- authentication - 启用身份验证的 Azure 应用服务在注销后使用以前的凭据静默登录
- linux - 切换用户“su”切换到 bash