realitycss的博客

pytorchAPI使用 1.nn.Module 1._init_ 2.forward完成一次向前计算的过程 1.nn.Linear为torch预定义好的线性模型，也被称为全连接层，是不算（batch_size的列数）实例化：self.linear=nn.Linear(输入的特征数量，输出的特征数量) 2.nn.Module定义了_call_方法，实现的就是调用forward方法，即Lr的实例，能够直接被传入参数调用，实际上调用的是forward方法并传入参数 linear类中也有_init_方

1.张量的创建方法 torch.tensor(list) torch.empty()/zeros()/ones() torch.rand()/randint()/randn() 2.张量的属性和方法 数据中只有一个元素的时候 tensor.item() 转化为numpy数组tensor.numpy() 获取形状tensor.size() 获取第一个维度的形状 tensor.size(1) 形状的变化 tensor.view([shape]) 获取维度tensor.dim()...

GPU中的tensor的使用 1.实例化device:torch.device("cuda:0" if torch.cuda.is_avaiable() else "cpu") 2.tensor.to(device) #把tensor转化为CUDA支持的tensor，或者cpu支持的tensor

1.torch.Tensor 默认的数据类型是torch.float32 torch.Tensor传入是数据时，表示的是形状， 就相当于是torch.FloatTensor的别名 torch.Tensor传入可迭代对象表示数据 2.torch.tensor torch.tensor为创建tensor的方法 ...

1.tensor(data,requires_grad=True) 该tensor后续会被计算梯度，tensor所有的操作都会被记录在grad_fn 2.with torch.no_grad(): 其中的操作并不会被追踪 3.反向传播 output.backward() 4.获取梯度:x.grad,累加梯度 所以，每次反向传播之前需要先把梯度置为0 5.tensor.data: 在tensor的required_grad=False,tensor.data和tensor等价 requir