摘要：
张量 Tensors 1、torch.is_tensor torch.is_tensor(obj) 用法：判断是否为张量，如果是 pytorch 张量，则返回 True。 参数：obj (Object) – 判断对象 例子： torch.is_tensor(torch.rand(2,3)) True 阅读全文
posted @ 2021-10-20 23:17
别关注我了，私信我吧
阅读(583)
评论(0)
推荐(0)
摘要：
import torch #cuda是否可用 torch.cuda.is_available() 结果： True #返回当前设备索引 torch.cuda.current_device() 结果： 0 #返回GPU的数量 torch.cuda.device_count() 结果： 1 #返回gpu 阅读全文
posted @ 2021-10-20 18:37
别关注我了，私信我吧
阅读(394)
评论(0)
推荐(0)
摘要：
Example1： for input, target in dataset: optimizer.zero_grad() output = model(input) loss = loss_fn(output, target) loss.backward() optimizer.step() Ex 阅读全文
posted @ 2021-10-20 17:36
别关注我了，私信我吧
阅读(132)
评论(0)
推荐(0)
摘要：
参考：官方 1. 均匀分布 torch.nn.init.uniform_(tensor, a=0.0, b=1.0) 解释： Fills the input Tensor with values drawn from the uniform distribution $\mathcal{U}(a, 阅读全文
posted @ 2021-10-20 16:53
别关注我了，私信我吧
阅读(1597)
评论(0)
推荐(0)
摘要：
1 导入实验所需要的包 import numpy as np import torch from torch import nn from torch.utils import data import matplotlib.pyplot as plt #解决内核挂掉 import os os.env 阅读全文
posted @ 2021-10-20 13:47
别关注我了，私信我吧
阅读(133)
评论(0)
推荐(0)
摘要：
假设有如下模型 net = nn.Sequential(nn.Linear(2, 1)) 现在要获取其参数值和参数名称 方法一： for parm in net[0].parameters(): print(parm) 结果： Parameter containing: tensor([[-0.07 阅读全文
posted @ 2021-10-20 11:12
别关注我了，私信我吧
阅读(2288)
评论(0)
推荐(0)
摘要：
Tensor 和 NumPy 相互转换常使用 numpy() 和 from_numpy() 。需要注意的是： 这两个函数所产生的 Tensor 和 NumPy 中的数组共享相同的内存（所以他们之间的转换很快），改变其中一个时另一个也会改变！ Tensor 转 Numpy 数组 a = torch.o 阅读全文
posted @ 2021-10-20 10:51
别关注我了，私信我吧
阅读(874)
评论(0)
推荐(0)
摘要：
参考：官方文档 源码 官方文档 nn.Sequential A sequential container. Modules will be added to it in the order they are passed in the constructor. Alternatively, an o 阅读全文
posted @ 2021-10-20 10:33
别关注我了，私信我吧
阅读(6747)
评论(0)
推荐(2)
浙公网安备 33010602011771号