qq_30516823的博客

pytorch中的模块介绍1. 模块类的构建class Linear(nn.Module): def __init__(self,param1,param2,...): super(Model,self).__init__() # 由param1，param2等等，来定义子模块 def forward(self,x): # 根据子模块计算返回张量例如：实现线性回归import torch.nn as nnimport torchclass Linear(nn.Module):

1. ConvLSTM来源: Convolutional LSTM network: A machine learning approach for precipitation nowcasting结构介绍：与FC-LSTM一样，ConvLSTM也可以用作更复杂结构的构建块。对于我们的时空序列预测问题，如下图所示的结构，它由两个网络组成，一个编码网络和一个预测网络。与[21]类似，预测网络的初始状态和单元输出是从编码网络的最后一个状态复制过来的。两个网络都是由若干ConvLSTM层叠加而成。由于我们的

数据操作本章节主要是用介绍写tensor的常规操作在pytorch中，tensor是存储和计算数据的主要工具。tensor和numpy那种多维数据很相似。也有点不同的是，tensor提供了GPU计算和自动求导的功能。Tensor 张量，一个数字标量称为0维张量，一维向量称为一维张量，二维向量称为二维张量.....Tensor创建1. 使用torch内置函数创建torch.Tensor() : 创建Tensor类torch.tensor() : tensor()中的参数可以是列表、numpy对