CSDN_YJX的博客

哇偶画图教程（梗直哥）牛逼画图：pyecharts点这里弄不了点这里

我们可以通过基本层类设计自定义层。这允许我们定义灵活的新层，其行为与深度学习框架中的任何现有层不同。在自定义层定义完成后，我们就可以在任意环境和网络架构中调用该自定义层。层可以有局部参数，这些参数可以通过内置函数创建。

卷积网络在计算机视觉领域被应用得非常广泛，那么常见的卷机网络中用到的模块能够使用 pytorch 非常轻松地实现，下面我们来讲一下 pytorch 中的卷积模块有时候提取出的层结构并不够，还需要对里面的参数进行初始化，那么如何提取出网络的参数并对其初始化呢?如何对权重做初始化呢?非常简单，因为权重是一个Variable,所以只需要取出其中的data属性，然后对它进行所需要的处理就可以了。下面是模板性的代码：通过上面的操作，对将卷积层中使用PyTorch里面提供的方法的权重进行初始化，

前面一章我们简要介绍了神经网络的一些基本知识，同时也是示范了如何用神经网络构建一个复杂的非线性二分类器，更多的情况神经网络适合使用在更加复杂的情况，比如图像分类的问题，下面我们用深度学习的入门级数据集 MNIST 手写体分类来说明一下更深层神经网络的优良表现。这里其实最有用的是看最后的画图是怎么画的。

通过上面这个函数我们每次取batch_size 这么多个数据点，然后将其转换成矩阵的形式，再把这个值通过函数之后的结果也返回作为真实的目标。但是我画不出来，头秃……在PyTorch里面使用。

书中作者的代码不知道是哪年的，自己敲的时候没报错，我敲的时候就报错了，根据报错信息来看，应该是版本不一样导致的语法修改。在做one classification的时候，训练集和测试集的样本分布是不一样的，尤其需要注意这一点。看到这里，如果代码不太懂的可能有点懵，不过深度学习的代码就是这样，分几个层次来构建一个完整的模型。大家注意看我的代码都是由哪几部分组成的，构建深度学习项目其实就是大概的几部分了。在代码实现的过程中我又又报错了，然后我心平气和地去找改错的博文，两种方式，各有各的不同之处。

a = torch . Tensor([ [ 2 , 3 ] , [ 4 , 8 ] , [ 7 , 9 ] ]) # 三行两列的矩阵 print('a is {}' . format(a)) print('a size is {}' . format(a . size()))我费了好大劲，不知道为啥我的VScode运行不了pytorch，老是显示有错误。我放到jupyter notebook上之后就好了……上面的代码内容牵扯到的语法教程。