m0_56015524的博客

根据带有噪声的线性模型构造一个人造数据集，生产1000个样本的数据集，噪声服从均值为0的正态分布torch.normal()返回一个张量，张量里面的随机数是从相互独立的正态分布中随机生成的。画散点图要引入的包import matplotlib.pyplot as pltbackward()函数实现反向传播求导，可用于自动求导...

名词解释：：训练集：搜集的一个真实数据集，用于训练；样本：训练集中的每行数据；标签（目标）：试图预测的东西；特征：预测所依据的自变量。对于一个线性假设的式子：y=ω1x1+ω2x2+by=\omega_{1}x_{1}+\omega_{2}x_{2}+by=ω1​x1​+ω2​x2​+b,其中ω1\omega_{1}ω1​和ω2\omega_{2}ω2​为权重，bbb为偏置，给定一个数据集，我们的目标就是寻找模型的权重和偏置。一种模型质量的度量方式：平方误差损失函数，当样本iii的预测值为y^(i)\.

对于一个矩阵A，可以使用A.T对矩阵A进行转置图像以n维数组的形式出现，其中3个轴对应于高度、宽度以及一个通道轴，用于堆叠颜色通道将张量乘以或加上一个标量不会改变张量的形状，其中张量的每个元素都将与标量相加或相乘指定axis=0降维求和相当于把每一列相加求和，指定axis=1降维求和相当于把每一行相加求和点积(xTy\textbf{x}^{T}\textbf{y}xTy或<x,y\textbf{x,y}x,y>)是两个向量相同位置的按元素乘积的和，调用.dot()函数可以实现点积的计算.

n维数组，也叫张量PyTorch中的tensor和Numpy中的ndarry类似，但功能更强大张量表示有数值组成的数组，可以有多个维度，一维对应数学上的向量，二维对应数学上的矩阵使用arange可以创建行向量可以通过shape属性访问张量的形状（.shape），调用reshape函数改变张量的形状torch.zeros((2,3,4))表示创建一个形状为(2,3,4)的张量，所有元素都置为0，torch.randn(3,4)表示创建一个形状为(3,4)的张量，每个元素服从均值为0，标准差为1的标.