CVAIDL的博客

1）重温Numpy2）Pytorch中的张量：Tensor3）Pytorch自动微分器：Autograd4）自定义Autograd5）Pytorch计算图6）把计算图打包成layers： nn Module7）自动梯度更新器：Optim8）自定义Module9）动态计算图总的来说，Pytorch主要提供了两个主要特征：一个n维的张量，与numpy中的array类似，但可以在GPU上运算； 自动微分机制来训练一个神经网络；本文中，会通过一个包含ReLu激活函数的全连接神经网络来作为

1. 张量的创建和操作　　创建为初始化矩阵，并初始化a = torch.empty(5, 3) #创建一个5*3的未初始化矩阵nn.init.zeros_(a) #初始化a为0nn.init.constant_(a, 3) # 初始化a为3nn.init.uniform_(a) #初始化为uniform分布　　随机数矩阵torch.rand(5, 3) # 5*3 ， [0, 1)的随机数torch.rand_like(m