本文小编为大家详细介绍“怎么使用PyTorch的hub模块搭建神经网络进行气温预测”，内容详细，步骤清晰，细节处理妥当，希望这篇“怎么使用PyTorch的hub模块搭建神经网络进行气温预测”文章能帮助大家解决疑惑，下面跟着小编的思路慢慢深入，一起来学习新知识吧。hub 模块是调用别人训练好的网络架构以及训练好的权重参数，使得自己的一行代码就可以解决问题，方便大家进行调用。
首先，我们进入网址。会出现如下的界面（这其中就是别人训练好的模型，我们通过一行代码就可以实现调用）。然后，我们随便点开一个模型，会出现如下界面。其中，第一个按钮是对应的 GITHUB 代码，第二个是使用谷歌配置好的实验环境，第三个进行模型演示。首先，我们进行基本的导入。我们可以使用 hub.list() 查看对应 pytorch 版本的模型信息。我们可以从 pytorch 的网站上下载一个实例。我们执行样本，这里需要注意的是 torchvision。我们需要将输入和模型移动到GPU以获得速度（如果可用）。我们可以创建一个调色板，为每个类选择一种颜色。我们可以使用 hub 模块中的模型绘制每种颜色 21 个类别的语义分割预测。我们需要观察一下自己的数据都有哪些信息，在此之前，我们需要进行数据的读入，并打印数据的前五行进行观察。在我们的数据表中，包含如下数据信息：（1） year 表示年数时间信息。（2） month 表示月数时间信息。（3） day 表示天数时间信息。（4） week 表示周数时间信息。（5） temp_2 表示前天的最高温度值。（6） temp_1 表示昨天的最高温度值。（7） average 表示在历史中，每年这一天的平均最高温度值。（8） actual 表示这就是我们的标签值了，当天的真实最高温度。（9） friend 表示这一列可能是凑热闹的，你的朋友猜测的可能值，咱们不管它就好了。在获悉每一个数据的信息之后，我们需要知道一共有多少个数据。(348, 9) 表示一共有 348 天，每一天有 9 个数据特征。对于这么多的数据，直接进行行和列的操作可能会不太容易，因此，我们可以导入时间数据模块，将其转换为标准的时间信息。我们可以读取新列 dates 中的部分数据。在基本数据处免费云主机域名理完成后，我们就开始图画的绘制，在最开始，需要指定为默认的风格。设置布局信息。设置标签值信息。绘制昨天也就是 temp_1 的数据图画。绘制前天也就是 temp_2 的数据图画。绘制朋友也就是 friend 的数据图画。在上述信息设置完成后，开始图画的绘制。对原始数据中的信息进行编码，这里主要是指周数信息。在周数信息编码完成后，我们将准确值进行标签操作，在特征数据中去掉标签数据，并将此时数据特征中的标签信息保存一下，并将其转换成合适的格式。我们可以查看此时特征数据的具体数量。(348, 14) 表示我们的特征数据当中一共有 348 个，每一个有 14 个特征。我们可以查看第一个的具体数据。我们查看预测数据的具体数量，应该是一共有 348 个，每个只有一个值，也就是 (348，1)。我们可以得到如下的预测训练结果，将其用图画的形式展现出来。读到这里，这篇“怎么使用PyTorch的hub模块搭建神经网络进行气温预测”文章已经介绍完毕，想要掌握这篇文章的知识点还需要大家自己动手实践使用过才能领会，如果想了解更多相关内容的文章，欢迎关注百云主机行业资讯频道。
这篇文章主要讲解了“C语言指针应用实例分析”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“C语言指针应用实例分析”吧！指针理解的2个要点：平时口语中说的指针，通常指的是指针变量，是用来存放内存地址的变量指针是内存…
免责声明：本站发布的图片视频文字，以转载和分享为主，文章观点不代表本站立场，本站不承担相关法律责任；如果涉及侵权请联系邮箱：360163164@qq.com举报，并提供相关证据，经查实将立刻删除涉嫌侵权内容。
微信扫一扫 
