huwanting的专栏

代码来自深度之眼课程# @author : tingsongyuimport torchimport torch.nn as nnimport matplotlib.pyplot as pltimport numpy as nptorch.manual_seed(10)# ============================ step 1/5 生成数据 ============================sample_nums = 100mean_value = 1

代码来自深度之眼课程@author : tingsongyuimport torchimport matplotlib.pyplot as plttorch.manual_seed(10)lr = 0.05 # 学习率 # 创建训练数据x = torch.rand(20, 1) * 10 # x data (tensor), shape=(20, 1)y = 2*x + (5 + torch.randn(20, 1)) # y data (tensor), shape=(20

PyTorch使用动态图技术，下面是一个简单线性变换计算图的搭建实例。import torchw=torch.tensor([1.], requires_grad=True)x=torch.tensor([2.], requires_grad=True)a=torch.add(w, x)b=torch.add(w, 1)y=torch.mul(a, b)a.retain_grad()b.retain_grad() # 保存非叶子节点的梯度，否则方向传播完会被释放掉y.backw

基础知识：ndarray：numpy中的ndarray为多维数组，是numpy中最为重要也是python进行科学计算非常重要和基本的数据类型。tensor：pytorch中的tensor为数据基本存储类型，中文叫张量，可以表示标量、向量、矩阵。1.1 创建tensor从numpy到tensor，用torch.tensor(arr)arr = np.ones((3, 3))t = torch.tensor(arr) #创建张量1结果：1.2 创建tensor从numpy到te

import torchimport numpy as np# 1.张量拼接t = torch.ones((2, 3))t_0 = torch.cat([t, t], dim=0)t_1 = torch.cat([t, t], dim=1)# 2.张量拼接，扩展维度# torch.stackt = torch.ones((2, 3))t_stack = torch.stack([t, t], dim=0)# 3.chunk切分张量a = torch.ones((2, 7))l.