实现Cifar10分类--ResNet

经典的卷积神经网络实现(二)---VGGNet、GoogLeNet

经典卷积神经网络实现，LeNet、AlexNet

卷积神经网络CNN

ResNet学习

深度学习——反向传播算法

深度学习---感知机梯度求导

Loss及其梯度

激活函数及其梯度

深度学习之梯度概念

一、where函数1、简介return a tensor of elements selected from either x or y, depending on condition返回一个tensor，根据生成规则选择是从x取出还是y取出。虽然where函数操作可以用for循环代替，但是where是通过GPU加速的，在深度学习中使用where速度会更快。2.函数torch.where(cond,x,y)cond:生成规则自定义x,y:两个tensor3.代码实例cond =

Pytorch属性统计、最值、第k大、比较函数、范数等

Tensor的加减乘除、矩阵运算、裁剪、近似函数等讲解

一、合并1. cat 函数规则：所合并的数据的dim一致要合并的维度上shape可以不一致，其余的shape必须一致理解:[class,student]合并=>[class,student]，合并后的班级在含以上相同例子a = torch.rand(4,3,16,32)b = torch.rand(4,3,16,32)# 第一参数，list，第二参数，再哪个维度合并print(torch.cat([a,b],dim=2).shape)# out: torch.Size(

Broadcasting机制

Tensor的创建、随机生成、切片、维度变换

Pytorch数据类型

梯度下降