摘要：Pytorch学习阶段二（三） 一、真实的torch.nn 转化数据类型： x_train, y_train, x_valid, y_valid = map( torch.tensor, (x_train, y_train, x_valid, y_valid) ) torch.nn module：创 阅读全文

摘要：Pytorch学习阶段二（二） 学习Pytorch重要组成部分。 一、warm-up：numpy 下式将被用于本篇计算当中： \[ y = a+bx^2+cx^3 \] 手算BP和gradient descen： 运用numpy模拟神经网络训练的过程，这个过程中，可以解为线性拟合的过程。 # -*- 阅读全文

摘要：Pytorch学习二阶段 一、自动求导 训练神经网络包含两步： 前向传播 后向传播：后向传播中，NN将调整他的参数，并通过loss_function来自计算误差，并通过优化器来优化参数。 import torch, torchvision model = torchvision.models.res 阅读全文

摘要：Pytorch学习记录（一） 一、Tensor 直接数据： data = [[1, 2],[3, 4]]x_data = torch.tensor(data) Numpy转化： np_array = np.array(data)x_np = torch.from_numpy(np_array) 随机 阅读全文