from torch.nn import initimport torch.nn as nnimport mathimport timeimport torchfrom torchvision import transformsfrom sklearn.model_selection import train_test_splitimport numpy as npimport torch.nn.

Aurora插入LaTex代码

改良网络的方法：1.更改损失函数：将均方差损失函数MSELoss() 更改为 BCEloss。更改后测试数据集的性能分（准确率）从87%提高到91%。但下降速度较MSELoss慢，且噪声更大。2.更改激活函数：S型激活函数的缺点是：在输入值变大时，梯度会变得非常小甚至消失。这意味着，在训练神经网络时，如果发生这种饱和，我们无法通过梯度来更新链接权重。可选用直线作为激活函数，直线的固定梯度是永远不会

1.pytorch的nn模块提供了两种快速搭建神经网络的方式。第一种是nn.Sequential,将网络以序列的方式进行组装，不过这种方法不常用。每个层使用前面层计算的输出作为输入，并且在内部都会维护层与层之间的权重矩阵和偏置向量。使用nn.Sequential方式定义模型，如下所示的代码定义了一个三层的神经网络。import torchmodel=torch.nn.Sequential(torc

使用腾讯云开发创建MCP目前需要云开发入门版99/月，我没开通，所以没办法往下进行。5.进入控制台后，选择AI+，找到MCP。1.登录注册好之后进入腾讯云开发。6.点击创建MCP Server。4.创建好环境之后点击。

2.algorithm algorithmic 两个地方要修改一下。\floatname{algorithm}{算法3.1}1.要将中文的包导入进去否则算法两个字无法显示出来。

1.pytorch的基本概念（Tensor和Variable)、自动微分和pyTorch的核心模块。张量可以理解为一个多维数组，类似于Numpy 中的ndarray对象。2.三维张量形如[W;H;C] [weight,height,channel]3.四维张量形如[N,W,H,C] [batch,weight,height,channel]from PIL import Imageimport n

1.在机器学习算法中，按照学习方式大致可以分为四大类，分别是监督学习、半监督学习、无监督学习和强化学习。2.监督学习是利用一组带标签的数据集，学习从输入到输出关系的映射关系f，然后将学习到的映射关系f应用到未知的数据上，用于预测未知数据的类别或数值。常见的有分类问题：预测的标签是离散的类别和回归问题：预测的标签是连续数值类型。3，基于监督学习有这么一句话：数据和特征决定了机器学习的上限，模型和算法

联邦学习FL