PyTorch入门例程

最新推荐文章于 2025-07-04 09:41:36 发布

balabala_201710

最新推荐文章于 2025-07-04 09:41:36 发布

阅读量1.7k

点赞数

CC 4.0 BY-SA版权

分类专栏： PyTorch 文章标签： pytorch

本文链接：https://blog.youkuaiyun.com/balabala_201710/article/details/84841925

这是一个两层权连接网络的实现。迭代500次。其中定义了自己的MyReLU函数，通过编写forward backward函数，可以直接调用该函数。

#PyTorch:Defineing new autograd functions
# -*- coding: utf-8 -*-
import torch

class MyReLU(torch.autograd.Function):
    @staticmethod
    def forward(ctx,input):
        
        ctx.save_for_backward(input)
        return input.clamp(min=0)
        
    @staticmethod
    def backward(ctx,grad_output):
        input,=ctx.saved_tensors
        grad_input=grad_output.clone()
        grad_input[input<0]=0
        return grad_input
dtype=torch.float
device=torch.device('cpu')

# N is batch size; D_in is input dimension;
# H is hidden dimension; D_out is output dimension.
N, D_in, H, D_out = 64, 1000, 100, 10

# Create random Tensors to hold input and outputs.
x = torch.randn(N, D_in, device=device, dtype=dtype)
y = torch.randn(N, D_out, device=device, dtype=dtype)

# Create random Tensors for weights.
w1 = torch.randn(D_in, H, device=device, dtype=dtype, requires_grad=True)
w2 = torch.randn(H,