【代码】PyTorch 之 强大的 hub 模块和搭建神经网络进行气温预测。

【代码】MATLAB 之 隐函数绘图、图形修饰处理、图像处理与动画制作和交互式绘图工具。

【代码】Lesson 10.1 超参数优化与枚举网格的理论极限和随机网格搜索 RandomSearchCV。

在上一篇博客当中，我们通过搭建 PyTorch 神经网络实现了气温预测，这本质上是一个回归任务。在本次博文当中，我们使用 PyTorch 做一个分类任务。其实，分类任务和回归任务在本质上没有任何区别，只是说在结果上是不同的，损失函数是不同的，中间的网络架构却是大体一致的。在本次的分类任务当中，我们使用的数据集是 Mnist 数据集，这个数据集大家都比较熟悉，可以在中获取，主要包括四个文件：文件名称

切片和索引，索引的高级操作，广播机制

Series 结构，数据结构 Series 创建，Series 的索引/切片，Series 数据结构的基本技巧

当设置好各个模块后，还需要把它们按照一定的顺序连接起来才能组成一个完整的系统模型。

Lesson 3.3 线性回归手动实现与模型局限 & Lesson3.4 机器学习模型结果可信度理论与交叉验证基础

我们可以进入 pytorch 的官方网站，对模型的基本架构和训练好的参数进行直接调用，具体链接如下。

机器学习的相关定义和举例：鸢尾花分类，数据与数据集的相关概念，机器学习建模的一般流程