我正在处理用于机器学习任务的张量网络。为了明确对手写数字的 MNIST 数据集进行分类,每个图像由 N = 28 × 28 = 784 个像素组成。
但是方法论和实现对我来说不是那么清楚。所以如果我的策略不适合解决此类问题,我需要你的帮助来纠正我的策略。
我仍然对收缩是如何工作的以及如何从头开始在Python中实现它感到困惑(我不想使用内置函数进行收缩)。
在进一步的步骤中,我们需要向权重张量 W 添加大小为 l(标签数量)的维度。 在前面的步骤中导致标量的收缩。这里它变成一个向量,其条目在 0 到 1 之间,最高条目对应于标签。我不太明白这一点,也不知道向张量添加维度意味着什么以及如何实现它。
您可以通过
tensor.unsqueeze(1)
向张量添加维度
有关 Mnist 分类任务的详细信息和最佳理解
你可以检查这个链接
https://www.kaggle.com/code/justuser/mnist-with-pytorch-complete-connected-network
我希望这对你有帮助