Li7819559的博客

原创 Pytorch中torch.layout到底是个什么东西

首先明确，torch.layout是torch.tensor的一种属性，除此之外还有torch.dtype，torch.device，这三个都是在创建tensor时经常需要说明的属性官方文档的解释：torch.layout代表对应torch.tensor变量的memory layout。目前，我们的torch.layout有torch.stried和torch.sparse_coo这两种，...

原创 torch.autograd学习系列之torch.autograd.grad()函数学习

前言：上一次我们学习了torch.autograd.backward()方法，这是一个计算反向过程的核心方法，没看过的小伙伴可以去看看传送门：https://blog.csdn.net/Li7819559/article/details/104725473今天我们来学习torch.autogard.gard()函数：函数的作用作用：计算并返回outputs对inputs的梯度参数列表一...

原创 一文读懂torch.autograd.backward()作用及原理

今天来学习pytorch中有关自动求导模块中的**torch.autograd.backward()**函数的用法和其涉及到的数学原理函数的作用首先来看看官方文档中是如何描述这个函数的作用的官方解释原话：Computes the sum of gradients of given tensors w.r.t. graph leaves.个人翻译：计算那些有关图中叶子节点的tensors的...

原创 python类的基础篇学习

python是一个工具，通过实践的方式更容易来学习，本文不去讲述原理，直接通过实例给大家依次介绍类的基础部分：公有变量，私有变量，构造函数，类的方法，实例化，继承，super函数...

原创 Markdown的一些入门常用命令

原创 Anaconda常用命令笔记

1.pip install packagesname作用：用来安装某个包例如：pip install numpy （安装numpy依赖包）2.conda install packagesname作用：与上条命令作用差不多，都能安装某个包，但有所区别。pip 与 conda的区别在于：pip在安装包的过程中如果涉及依赖包，则会报错conda在安装包的过程中如果涉及依赖包，...

原创 批归一化 及 torch.nn.BatchNorm2d 函数详解

预备知识：什么是batch？ batch是整个训练集中的一部分，由于训练集往往过大不能一次性全部输入到网络中，所以需要分批次地输送 所以每一批就是一个batch（批）什么是Normalization？ Normalization翻译是归一化，归一化的引入是为了减少internalcovariatieshift现象...

原创 torch.nn.functional.conv2d 函数详解

形式：torch.nn.functional.conv2d(input,filters,bias,stride,padding,dilation,groups)返回值：一个Tensor变量作用：在输入图像input中使用filters做卷积运算参数的具体意义：input代表输入图像的大小(minibatch，in_channels，H，W)，是一个四维tensorfilters...

原创 pytorch view详解

介绍：view是pytorch中tensor的一种方法tensor.view（shape）功能：将tensor变成另外另外一个大小与shape相同的tensor实例：>>> x = torch.randn(4, 4)>>> x.size()torch.Size([4, 4])>>> y = x.view(16)>...

原创 python supper代码详解

super（type，objectortype）.fun()（python2.x版本）super（）.fun()（python3.x版本）作用：继承父类的函数fun()例子：输出：

原创 tf.placeholder代码详解

tf.placeholder(dtype, shape, name)作用：创建一个类型为dtype，形状为shape，名字为name的一个Tensor类型返回值：一个tensor类型注意：tf.placeholder生成的tensor并不能直接print，需要通过sess.run才能够得到值例子：tensorflow版本为1.10...

原创 无约束算法-最速下降，牛顿法，拟牛顿，共轭梯度完整代码求解二次函数极小值

import numpy as npimport matha=np.random.randint(1,10,size=[100,1])G=(a*a.T)+np.random.randint(1,5)*np.eye(100)b=np.dot(G,np.ones((100,1)))x0=np.random.random(size=[100])def Df(x):#求出梯度函数...