小土堆：Pytorch深度学习：神经网络-非线性激活

今天学习神经网络-非线性，下面是这段代码的注释说明：

import torch  # 导入PyTorch库import torchvision  # 导入torchvision库，它包含了处理图像等视觉任务的工具from torch import nn  # 导入PyTorch的神经网络模块from torch.nn import ReLU, Sigmoid  # 导入ReLU和Sigmoid激活函数from torch.utils.data import DataLoader  # 导入数据加载器from torch.utils.tensorboard import SummaryWriter  # 导入TensorBoard的日志写入器
# 创建一个2x2的张量input = torch.tensor([[1, -0.5],                      [-1, 3]])
# 将张量重塑为形状为(1, 1, 2, 2)的张量，这是常用于卷积神经网络输入的形状input = torch.reshape(input, (-1, 1, 2, 2))print(input.shape)  # 打印张量的形状
# 下载CIFAR10数据集，如果数据集不存在的话，并将数据集的每个元素转换为张量dataset = torchvision.datasets.CIFAR10("../data", train=False, download=True,                                       transform=torchvision.transforms.ToTensor())