dwjf321的博客

我们使用 PyTorch 的各个组件来构建线性回归的实现。学习目标：掌握PyTorch构建线性回归模型相关API。

训练神经网络时，最常用的算法就是反向传播。在该算法中，参数（模型权重）会根据损失函数关于对应参数的梯度进行调整。为了计算这些梯度，PyTorch 内置了名为。接下来我们使用这个结构进行自动微分模块的介绍。我们使用 backward 方法、grad 属性来实现梯度的计算和访问。学习目的：掌握自动微分模块的使用。当X为多维张量时梯度计算。当X为标量时梯度的计算。

torch.cat()函数可以将两个张量根据指定的维度拼接起来，不改变维度数。学习目标：掌握torch.cat()使用。

transpose 函数可以实现交换张量形状的指定维度, 例如: 一个张量的形状为 (2, 3, 4) 可以通过 transpose 函数把 3 和 4。块组成的，它们并没有存储在整块的内存中，view 函数无法对这样的张量进行变形处理，例如: 一个张量经过了。squeeze 函数删除形状为 1 的维度（降维），unsqueeze 函数添加形状为1的维度（升维）。学习目标：掌握reshape()、squeze()、unsqueeze()、transpose()permute 函数可以一次交换更多的维度。

在操作张量时，经常要去获取某些元素进行处理或者修改操作，在这里需要了解torch中的索引操作。

张量的基本运算及函数

使用torch.tensor()可以将ndarray数组转换为Tensor，不共享内存。函数可以将张量转换为ndarray数组，但是共享内存，可以使用。可以将ndarray数组转换为Tensor，共享内存。对于只有一个元素的张量，使用。函数将该值从张量中提取出来。

python的基本使用，创建张量