liuwp5的博客

学习神经网络的时候经常被一个概念混淆，今天终于算是进一步理解。记录一下。 无论是在python里的numpy，还是各种框架里的tensor， 数组就是一个数组而已，不等同于行向量或者列向量。 但是它有转化成行/列向量的潜质（通过特定函数如unsqueeze增加维度）。 举个例子 x1 = torch.Tensor([1, 2, 3, 4, 5]) x2 = torch.unsqueeze(x1, dim=1) # 打印x1,x2的size print(x1.size()) # torch.Size([5]

动手学深度学习(PyTorch)代码笔记 记录pytorch用于深度学习的学习过程。 二、深度学习基础 1、线性回归 线性回归和softmax回归都是单层神经网络，用于解决回归问题。 (1)基本要素 1、模型定义 y^=x1w1+x2w2+b \hat y = x_1w_1 + x_2w_2 + b y^​=x1​w1​+x2​w2​+b 2、模型训练 （1）训练数据 （2）损失函数 L=1n∑12(y^(i)−y(i))2 L = \frac 1 n\sum\frac 1 2(\hat y^{(i)} -

动手学深度学习(PyTorch)代码笔记 记录pytorch用于深度学习的学习过程。 一、预备知识 1、数据操作 （1）创建Tensor import torch x1 = torch.empty(5, 3) # 未初始化tensor x2 = torch.rand(5, 3) # 随机初始化tensor x3 = torch.zeros(5, 3, dtype=torch.long) # long型/int64型 零tensor # ---------------------- x31 =