10.20
torch.rand:
返回一个张量,包含了从区间[0,1)的均匀分布中抽取的一组随机数
torch.randn:
返回一个张量,包含了从标准正态分布(均值为0,方差为 1
torch.mm:
矩阵相乘
tensor.uniform_(-10, 10):
将tensor用从-10到10均匀分布中抽样得到的值填充
tensor.abs():
计算输入张量的每个元素绝对值
state_dict 是⼀个从参数名称映射到参数 Tesnor 的字典对象
ex:
class MLP(nn.Module):
def __init__(self):
super(MLP, self).__init__()
self.hidden = nn.Linear(3, 2)
self.act = nn.ReLU()
self.output = nn.Linear(2, 1)
def forward(self, x):
a = self.act(self.hidden(x))
return self.output(a)
net = MLP()
y=net.state_dict()
print(y)
输出:
OrderedDict([('hidden.weight', tensor([[ 0.2448, 0.1856, -0.5678],
[ 0.2030, -0.2073, -0.0104]])),
('hidden.bias', tensor([-0.3117, -0.4232])),
('output.weight', tensor([[-0.4556, 0.4084]])),
('output.bias', tensor([-0.3573]))])
保存和加载 state_dict (推荐⽅式)
保存:
torch.save(model.state_dict(), PATH) # 推荐的⽂件后缀名是pt或pth
加载:
model = TheModelClass(*args, **kwargs)
model.load_state_dict(torch.load(PATH))
2. 保存和加载整个模型
保存:
torch.save(model, PATH)
加载:
model = torch.load(PATH)
GPU
如果对在GPU上的数据进⾏运算,那么结果还是存放在GPU上。
存储在不同位置中的数据是不可以直接进⾏计算的
位于不同GPU上的数据也是不能直接进⾏计算的
⼆维卷积层
图像中物体边缘检测
卷积层可通过重复使⽤卷积核有效地表征局部空间