九叶草

摘要： import torch import torch.nn.functional as F import matplotlib.pyplot as plt import numpy as np x = torch.linspace(-10,10,60) fig = plt.figure(figsize 阅读全文

摘要： 我们可以看到绘制出来的图有四个边框，我们通过gca()对坐标轴进行一些简单处理，代码如下。 import torch import torch.nn.functional as F import matplotlib.pyplot as plt import numpy as np x = torc 阅读全文

摘要： 本篇是摘抄pytorch-handbook里面的，有兴趣可以看看。 损失函数(Loss Function) 损失函数（loss function）是用来估量模型的预测值(我们例子中的output)与真实值（例子中的y_train）的不一致程度，它是一个非负实值函数，损失函数越小，模型的鲁棒性就越好。 阅读全文

摘要： import torch x = torch.rand(2,2) x1 = x.numpy() # torch转换到numpy x2 = torch.from_numpy(x1) #numpy转换torch print("\n torch_x:\n",x, "\n numpy_x1:\n",x1, 阅读全文

摘要： 官方文档 首先我们要知道，lmplot是用来绘制回归图的。 让我们来看看他的API： seaborn.lmplot(x, y, data, hue=None, col=None, row=None, palette=None, col_wrap=None, height=5, aspect=1, m 阅读全文

摘要： 看了一篇博客，感觉写的很棒：PyTorch 的 Autograd 阅读全文

摘要： 运行这段代码 import torch import numpy as np import matplotlib.pyplot as plt x = torch.ones(2,2,requires_grad=True) print('x:\n',x) y = torch.eye(2,2,requir 阅读全文

摘要： output = torch.max(input, dim) input输入的是一个tensor dim是max函数索引的维度0/1，0是每列的最大值，1是每行的最大值 实例： import torch import numpy as np import matplotlib.pyplot as p 阅读全文

摘要： 本篇借鉴了这篇文章，如果有兴趣，大家可以看看：https://blog.csdn.net/geter_CS/article/details/84857220 1、交叉熵：交叉熵主要是用来判定实际的输出与期望的输出的接近程度 2、CrossEntropyLoss()损失函数结合了nn.LogSoftm 阅读全文

摘要： 看pytorch中文文档摘抄的笔记。 class torch.optim.SGD(params, lr=, momentum=0, dampening=0, weight_decay=0, nesterov=False)[source] 实现随机梯度下降算法（momentum可选）。 Nestero 阅读全文