happygril3

摘要： import matplotlibmatplotlib.use("Agg")import matplotlib.pyplot as pltx=range(10)y=[i*i for i in x]plt.plot(x,y)plt.savefig("1.png")plt.show() 阅读全文

摘要： 0 标准输入 1--标准输出 2 标准错误输出 test.py文件 print("111111111111111111") print("222222222222222222") with open("data/result/test.txt","w") as f: f.write("hello") 阅读全文

摘要： https://blog.csdn.net/leo_95/article/details/89946318 matmul 可以进行张量乘法, 输入可以是高维. mat 矩阵对应位相乘，两个tensor输入维度相同，(m×n)和（m×n）,返回（m×n） mm 只能进行矩阵乘法,也就是输入的两个ten 阅读全文

摘要： torch.squeeze() 对数据的维度进行压缩，去掉维数为1的的维度，默认是将a中所有为1的维度删掉。 也可以通过dim指定位置，删掉指定位置的维数为1的维度。torch.unsqueeze()对数据维度进行 import torch x = torch.zeros(3, 2, 4, 1, 2, 1) # dimension of 3*2*4*1*2 print(x.size()) # to 阅读全文

摘要： 均匀分布nn.init.uniform(tensor,a=0,b=1)tensor -n维的torch.Tensora 均匀分布的下界,默认值为0b 均匀分布的上界，默认值为1 正态分布torcn.nn.init.normal(tensor,mean=0,std=1）tensor n维的torch.Tensormean 正太分布的均值std 正太分布的标准差 import torch import 阅读全文

摘要： torch.nn.init.calculate_gain(nonlinearity,param=None) 对于给定的非线性函数，返回推荐的增益值。这些值如下所示： 阅读全文

摘要： w tensor([[6.5103e-38, 0.0000e+00, 5.7453e-44, 0.0000e+00, nan],[0.0000e+00, 1.3733e-14, 6.4076e+07, 2.0706e-19, 7.3909e+22],[2.4176e-12, 1.1625e+33, 阅读全文

摘要： ''' torch.nn torch.nn.functional (F)CrossEntropyLoss cross_entropy LogSoftmax log_softmax NLLLoss nll_loss''' import torch import torch.nn.functional as F input=torch.randn(3,4) label=torch.tensor([0, 阅读全文

摘要： import torch import torch.autograd as autograd import torch.nn as nn import torch.nn.functional as F import torch.optim as optim import numpy as np data=autograd.Variable(torch.FloatTensor([1.0,2.0... 阅读全文

摘要： 首先定义：待优化参数： ，目标函数： ，初始学习率 。 而后，开始进行迭代优化。在每个epoch ： SGD SGD with Momentum AdaGrad AdaDelta / RMSProp Adam 阅读全文