这篇博客介绍了PyTorch的基础知识，包括线性回归、逻辑回归和分类概念，以及PyTorch中创建Tensor的各种方法，如从numpy数组和列表导入，初始化不同类型的Tensor。此外，还详细讲解了索引操作、选择mask、维度变换等核心功能，如index_select、masked_select、view、expand和permute等。强调了数据维度在实际操作中的重要性。
1、线性回归Linear Regression：连续值的预测
逻辑回归Logistic Regression：在线性回归的基础上加上sigmoid激活函数
分类 Classification：离散值预测
2、pytorch基础知识：
1）创建一个Tensor
...import from numpy
a=np.array([2,3.3])
torch.from_numpy(a)
...import from List
torch.tensor([2.,3.2])
…uninitialized
torch.empty(d)
torch.IntTensor(d1,d2)
…set default type
大写Tensor默认是FloatTensor
torch.set_default_tensor_type(torch.DoubleTensor)
tensor和Tensor的区别？
最低0.47元/天 解锁文章
1770
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
