深度学习基础 | (代码练习)

一、配置环境- 配置谷歌硬盘 和C olaboratory

一图略过

我更喜欢用终端直接访问虚拟机，但是终端好卡呀！！！

二、代码练习

练习1：pytorch 基础练习

1. 定义数据

什么是 PyTorch ?

PyTorch是一个python库，它主要提供了两个高级功能：
1.GPU加速的张量计算
2.构建在反向自动求导系统上的深度神经网络

(第二个示例有点理解不了，为啥多维数组的指都是1.,问AI后懂了)

(示例)

###### 第三个示例的`torch.ones()的参数涵义好像和二维的不一样`

创建Tensor有多种方法，包括：ones, zeros, eye, arange, linspace, rand, randn, normal, uniform, randperm, 使用的时候可以在线搜，下面主要通过代码展示:

# 创建一个空张量
x = torch.empty(5,3)
print(x)

输出：

tensor([[1.4178e-36, 0.0000e+00, 4.4842e-44],

​ [0.0000e+00, nan, 0.0000e+00],

​ [1.0979e-05, 4.2008e-05, 2.1296e+23],

​ [1.0386e+21, 4.4160e-05, 1.0742e-05],

​ [2.6963e+23, 4.2421e-08, 3.4548e-09]])

2. 定义操作

凡是用Tensor进行各种运算的，都是Function

最终，还是需要用Tensor来进行计算的，计算无非是

基本运算，加减乘除，求幂求余
布尔运算，大于小于，最大最小
线性运算，矩阵乘法，求模，求行列式
基本运算包括： abs/sqrt/div/exp/fmod/pow ，及一些三角函数 cos/ sin/ asin/ atan2/ cosh，及 ceil/round/floor/trunc 等具体在使用的时候可以百度一下

布尔运算包括： gt/lt/ge/le/eq/ne，topk, sort, max/min

线性计算包括： trace, diag, mm/bmm，t，dot/cross，inverse，svd 等

不再多说，需要使用的时候百度一下即可。下面用具体的代码案例来学习。

矩阵（ # 标量积 - # Scalar product）

-----------------------等会，这个数学矩阵确实给我看懵了，我先去补一下这个矩阵计算的公式（未完待续）--------------------

（m矩阵第一行与v矩阵进行计算）

(翻译：# 向 m 添加一个大小为 2x4 的随机张量)

好像是在原数据上添加，2 + 0.1981，5 + 0.6003等等。

矩阵转置-2行4列变成4行2列

# returns a 1D tensor of steps equally spaced points between start=3, end=8 and steps=20
torch.linspace(3, 8, 20)

练习2：螺旋数据分类

.。。。。。。。。。。。。

[Last]课后查资料：

1