goes_on的博客

张量及其操作Tensor的创建从numpy创建import tensorflow as tfimport numpy as npif __name__ == '__main__': x = np.ones([1, 2], dtype=np.float) X = tf.convert_to_tensor(x, dtype=tf.float32) print(X) # tf.Tensor([1. 1.], shape=(2,), dtype=float32)从pyth

pytorch中名目繁多的乘法pytorch中表达乘法的方法有很多，如torch.mul()，以下为笔记兼试错心得。既然选择了半小时入门玩法，基础总是要撞坑的！1. 读作torch.mul()写作*的乘法简单来说就是 tensor 元素逐个相乘，他还有一个洋气的名字叫哈达玛积。又学了一个憨憨叫法，又可以用专有名词吓坏小朋友了。import numpy as np import torcha = range(12)n = np.array(a).reshape([3, 4])X = tor

文章目录Pytorch框架学习 -3 pytorch损失函数前置无参数损失函数定义初始化方法这估计是最友好的pytorch基类了吧！一个实现的例子L1范数损失L1损失函数其他的损失函数类都类似这样实现的欣赏一下吧！其他的损失函数本体也都长得差不多，再实现的欣赏一下吧！有参数损失函数Pytorch框架学习 -3 pytorch损失函数前置nn.Module 简单分析无参数损失函数定义class _Loss(Module): reduction: strpytorch设计是真的强，我原本

文章目录Pytorch的内置模型 #2 卷积模型前置卷积基类类定义初始化函数实现继承判断输入参数合法性是否转置是否有偏置参数初始化reset_parameters方法extra_repr方法卷积实现类三个卷积实现类以Conv1d为例分析Pytorch的内置模型 #2 卷积模型前置Module类分析一个更简单的实例 线性模型卷积基类class _ConvNd(Module):类定义class _ConvNd(Module): __constants__ = ['stride', 'p

文章目录线性模型目的线性模型要解决的问题1 完整源码2 知识储备变量3 forward()方法linear()函数inputweightbias核心代码初始化方法线性模型目的通过学习先进的内置模型，提高建模能力。大佬能把这个模型写出花来！我也要做一个能写出花来的男人！线性模型要解决的问题Y=AX+bY=AX+bY=AX+b实现对A和b的逼近。(请记住这个公式，请相信自己能记住他，最起码五分钟！)1 完整源码class Linear(Module): __constants__ =

文章目录Pytorch框架学习 -1 torch.nn.modules.Module(nn.Module)理解最简单的例子分析部分源码：基本参数dump_patches_versiontraining初始化函数_parameters_buffers_modules其他属性forward一些注册器register_bufferregister_parameteradd_modulezero_grad()train一个复杂一些的例子Pytorch框架学习 -1 torch.nn.modules.Module(

文章目录Pytorch Learning -1 pytorch入门安装优化算法使用numpy实现一个多元线性回归Pytorch 数据类型标量张量随机初始化索引维度变换广播使用pytorch实现一个多元线性回归Pytorch Learning -1 pytorch入门安装安装CUDA10.2cuda10.2 安装地址根据自己系统选择版本(我这边win10)一路next安装minicondaminiconda 镜像地址配置conda代理conda config --add