PyTorch 深度学习模块化计算基础语法 文章目录 PyTorch 深度学习模块化计算基础语法 1. backword 求梯度 2. 常用的激活函数 2.1 Sigmoid 函数 2.2 ReLu 激活函数 2.3 Leakly ReLu 激活函数 2. 常用损失函数 2.1 均方误差损失函数 2.2 L1范数误差损失函数 2.3 交叉熵损失函数 3. 优化器 1. backword 求梯度 import torch w = torch.tensor([1.], requires_grad=True) x = torch.tensor(
超级会员免费看
本文介绍了PyTorch深度学习中的基础语法，包括backword求梯度、常用激活函数（Sigmoid、ReLU、Leaky ReLU）及其优缺点，以及损失函数如均方误差、L1范数误差和交叉熵损失函数的应用。通过实例展示了PyTorch中这些函数的计算过程。
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
