Pytorch 7多维

多维读取

numpy

xy = np.loadtxt('diabetes.csv', delimiter=',', dtype=np.float32)

print("input data.shape", x_data.shape)
x_data = torch.from_numpy(xy[:, :-1])# 选择所有行不包括最后一列
y_data = torch.from_numpy(xy[:, [-1]])# 选择所有行，只有最后一列
np.loadtxt(fname, dtype=float, delimiter=' ', comments='#', skiprows=0, usecols=None, unpack=False, ndmin=0, encoding='bytes', max_rows=None)
# 参数分别是路径，dtype: 数据类型，默认为 float。delimiter: 分隔符，默认为空格。用于分隔文件中的数据列skiprows: 要跳过的行数，默认为 0。用于跳过文件开头的标题行或其他不需要的行。

多维多层数类

class Model(torch.nn.Module):
    def __init__(self):
        super(Model, self).__init__()
        self.linear1 = torch.nn.Linear(8, 6)
        self.linear2 = torch.nn.Linear(6, 4)
        self.linear3 = torch.nn.Linear(4, 2)
        self.linear4 = torch.nn.Linear(2, 1)
        self.sigmoid = torch.nn.Sigmoid()
 
    def forward(self, x):
        x = self.sigmoid(self.linear1(x))
        x = self.sigmoid(self.linear2(x))
        x = self.sigmoid(self.linear3(x)) # y hat
        x = self.sigmoid(self.linear4(x))  # y hat
        return x

这里维度由输入数据决定

后面基本上一样

torch.eq(a,b).sum().item()# 把a和b相等的返回1否则为0，求和，item是转化为py的数据0维