学习目标
- 1.自动求导机制autograd
- 2.线性回归模型DEMO
- 3.常见tensor类型
- 4.Hub模块简介
- 5.多项式回归模型
- 6.搭建逻辑回归模型进行分类
- 7.搭建多层全连接神经网络实现MNIST手写数字识别分类
- 8.搭建多层全连接神经网络实现MNIST手写数字识别
- 9.搭建循环神经网络(RNN)
3.常见tensor类型
0:scalar 一个数值
1:vector 一个向量
2:matrix 一个矩阵
3:n-dimension tensor 高维数据
scalar
import torch
from torch import tensor
x=tensor(42.)
x
>>>tensor(42.)
x.dim()
>>>0
2 * x
>>>tensor(84.)
x.item()
>>>42.0
vector
>>> v=tensor([1.5,2.0,3.0])
>>> v
tensor([1.5000, 2.0000, 3.0000])
>>> v.dim()
1
>>> v.size()
torch.Size([3])
matrix
>>> m=tensor([[2., 3.], [6., 5.]]) # 矩阵
>>> m
tensor([[2., 3.],
[6., 5.]])
>>> m.matmul(m) #矩阵乘法
tensor([[22., 21.],
[42., 43.]])
>>> tensor([1., 0.]).matmul(m) #一个{1, 0}的矩阵乘m
tensor([2., 3.])
>>> m*m # 点乘
tensor([[ 4., 9.],
[36., 25.]])
n-dimension tensor
图片数据至少三位,除了二维的位置之外还有一个channel是灰度值,或者rgb的颜色数值。
4.Hub模块简介
有一些别人已经写好的比较完善的模型,可以用一句代码引用,也可以在网页上进行实验
torch.hub.list('pytorch/vision:v1.4.0')