a1367666195的博客

GPU能大幅提升计算速度，为了达到GPU加速训练的目的，就要将进行运算的数据传入GPU，回想一下神经网络，所有的数据不外乎是模型参数和数据集，所以我们只要将模型参数和数据集传入GPU即可。用 .cuda() 可以达到这个目的class Net(torch.nn.Module): def __init__(self):... #我只是省略了网络详细内容 0.0 d...

for name,param in my_cnn.named_parameters(): print('层:',name,param.size()) print('权值梯度',param.grad) print('权值',param)放在backward()后面...

1、torch.reshape()reshape()可以由torch.reshape(),也可由torch.Tensor.reshape()调用其作用是在不改变tensor元素数目的情况下改变tensor的shape

1、requires_gradrequires_grad是pytorch中tensor的一个属性，如果requires_grad=True，在进行反向传播的时候会记录t该tensor梯度信息。为了下面方便举例，我将进行运算的tensor称为父tensor，运算后的tensor称为子tensor，比如：c=a+b，c就是子tensor，a、b都为父tens...