pytorch学习2

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

Github
模型

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')