![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
PyTorch
文章平均质量分 88
PyTorch
花千树-010
这个作者很懒,什么都没留下…
展开
-
PyTorch 基础学习(5)- 神经网络
PyTorch 提供了一套强大的工具来构建和训练神经网络。其中的核心组件之一是torch.nn,它提供了模块和类以帮助您创建和定制神经网络。原创 2024-08-13 15:08:49 · 391 阅读 · 0 评论 -
PyTorch 基础学习(4)- 张量的类型
PyTorch 的类提供了一种在 CPU 和 GPU 上高效处理多维数据的方法,支持各种数学运算。掌握这些基本操作将帮助你在深度学习和其他科学计算中更好地利用 PyTorch。原创 2024-08-13 00:19:55 · 336 阅读 · 0 评论 -
PyTorch 基础学习(3) - 张量的数学操作
逐点操作用于对张量中的每个元素进行相同的数学运算。线性代数操作涉及矩阵运算,如矩阵乘法、逆矩阵和分解。比较操作用于比较张量元素之间的关系。PyTorch中的这些操作通常具有广播机制,允许对不同形状的张量进行运算,只要它们的形状是兼容的。原创 2024-08-12 19:26:48 · 596 阅读 · 0 评论 -
PyTorch 基础学习(1) - 快速入门
PyTorch学习,我们从AI的hello world程序(线性回归)开始,线性回归就通过一系列输入x和输出y,计算y = wx + b公式,w和b的合理值,训练后,就可以通过模型计算任意输入x,得到y值。原创 2024-08-12 17:40:44 · 286 阅读 · 0 评论 -
PyTorch 基础学习(2)- 张量 Tensors
张量是数学和计算机科学中的一个基本概念,用于表示多维数据,是AI世界中一切事物的表示和抽象。可以将张量视为一个扩展了标量、向量和矩阵的通用数据结构。标量(0阶张量):标量是一个单一的数值,例如 3 或 -1.5。向量(1阶张量):向量是一维数组,可以表示为一列或一行数值,例如 ([1, 2, 3])。矩阵(2阶张量)高阶张量:高阶张量是更高维度的数组。本教程介绍了PyTorch中的基本张量操作,包括创建、索引、随机采样、序列化和并行化等。通过实例演示了如何使用这些操作构建一个简单的线性回归模型。原创 2024-08-12 19:11:54 · 614 阅读 · 0 评论