ChrisTiger22的博客

学了大概一个月时间的pytorch和tensorflow,觉得pytorch写法比tf更简单，也更灵活。不需要通过session来run到结果，数据可以轻松地在cpu和gpu之间切换。pytorch的一个最重要的机制就是autograd机制，通过这个机制你可以轻易的固定你的模型的部分参数，从而在训练中只是训练你希望训练的那部分计算图。在pytorch中有两个类型的变量，一个是tensor，

broadcast机制pytroch中的tensor和numpy中的ndarray一样是支持broadcast的。支持原则是：1.两个tensor都至少有一维2.从最后一维开始，要么其中一个tensor的维数等于1，要么两个维数相同。CUDA语法pytorch可以通过一行代码实现数据在GPU和CPU之间的切换，并且在网络训练过程中，你可以随时将数据从GPU中拿出来进行操

在了解了Pytorch的一些机制后，当然要进行一些实例的学习，毕竟实践出真知嘛。 对于所有的机器学习爱好者来说，第一个要学的模型无疑是线性回归 所谓线性回归，指的就是用对输入数据的每个维度进行线性组合拟合Label-y。最简单的线性回归即是二维平面内的直线拟合。为此我们可以编造一些数据：import torchimport torch.nn as nnimport numpy as npi