利用pytorch两层线性网络对titanic数据集进行分类 最近在看pytorch的入门课程，做了一下在kaggle网站上的作业，用的是titanic数据集，因为想搭一下神经网络，所以数据加载部分简单的把训练集和测试集中有缺失值的列还有含有字符串的列去除了，加入了DataLoader模块，其实这个数据集很小，用不到，本人还没入门，小白一枚。 import torch from torch.

比较线性网络和非线性网络的分类效果，代码如下：   %比较线性和非线性bp网络的分类效果clc;clear;P=[-8 -8.1 -4 -4.2 3 3.1 5 5.1 ]; T=[0.0 0.081 0.97 0.99 0.01 0.03 1.1 1]; %创建线性网络net=newlind(P,T); w1=net.iw{1,1}

在这里首先简单介绍一些MNIST数据集： MNIST数据集内共包含70000张手写数字图像，数字范围0~9，大小为28*28，其中60000张用于训练学习，10000张用于数据测试，图像为灰度图像，数字位置居中，可以减少预处理和加快运行 在学习编程入门时，无论哪个语言，hello world往往是第一步，再进行深度学习入门时，MNIST数据集研究透了，基本就可以入门了。 下面向大家展示一下M