dyyay521的博客

Brodcasting的两个特点：1.expand 2.without copying data 其功能如下：

1.维度变换有如下几个操作：

首先我们来看PyTorch的索引问题，就和python语言一样，正常能用脑子想出来的逻辑： 第十行返回的是一个标量。 以上是正常的索引，还有一些高级的索引： 比如我要取两张： 还有检验两张图片的第一个通道上的索引：（常识：一共有三个通道：RGB） 还有-1的情况，就是倒着来： 遵循这样的原则： 接下来，我不想连续的取了，我要跳着取，就是这样： 第一行你会发现有两个冒号这种东西，就意味着要隔行采样了； TIPS：把冒号理解成箭头； 以上是索引的功能，切片就不一样在.

如何创建tensor类型呢？ 第一种：impot from numpy(用numpy直接引入) 第二种：impot from list(如果需要的数据量很小，那就不用numpy来承载，直接用list就好) 注意torch.tensor是只接收数据的，torch.Tensor可以用来接收维度和数据； 3.要注意未初始化的问题： 如果没初始化，就会有这种问题： 4.我们要会的随机初始化~ 还有正态分布的随机： 递增递减生成等差： 形成等分： 还有一些简单的单位

1.首先get到一个知识点：pytorch没有string类的支持，我们要支持只能用编码的方式； 2.其次我们看python和pytorch的区别： 3.在程序里怎么看一个数据的类型呢？ 一个是返回这个数的类型，一个是直接check这个数是不是这种类型， 要注意的是，有可能数据一样，但放的位置不一样会导致类型也不一样； 4.我们要学习一维二维三维乃至四维的区别及在哪里使用： 首先是标量： 上面就是标量（经常用于LOSS），下面我们讲张量（经常用于Bias，LinearIn.

首先来看这幅图： 从综合的来看，如果你想要学习机器学习，而且你是个新手，就从pytorch开始。 pytorch的三大优点： 这三个功能都可以一一验证的； 首先是GPU加速： 通过cpu和gpu的对比 是能看出来差距很大的； 自动求导就是字面意思，其实tensorflow也是有这功能； 常用网络层就是我们学习机器学习所知道的那些功能术语，再复杂的网络，也都是这些元素堆砌起来的； 这些英文如果看不懂的话，建议学一下机器学习课程的基础内容~ ...