PyTorch
pytorch与深度学习
[小G]
一个计算机技术爱好者
展开
-
多项式回归
多项式回归import torchimport numpydef make_features(x): '''获取 [x, x^2, x^3]...的矩阵''' x = x.unsqueeze(1) #将一维数据变为(n,1)二维矩阵形式 return torch.cat([x ** i for i in range(1, 4)], 1) #按列拼接def f(x): W_target = torch.Tensor([0.5, 3., 2.4]).unsque原创 2020-10-05 13:09:00 · 120 阅读 · 0 评论 -
一维线性回归pytorch实现
训练代码:import torchimport numpy as npx_train = np.array([[3.3], [4.4], [5.5], [6.71], [6.93], [4.168], [9.799]])y_train = np.array([[1.7], [2.76], [2.09], [3.19], [1.694], [1.573], [3.366]])x_train = torch.from_numpy(x_train).float()y_train = torch.f原创 2020-10-05 10:04:00 · 201 阅读 · 1 评论 -
pytorch张量与变量 (一)
pytorch基础Tensor(张量)不同数据类型的Tensor32位浮点型:torch.FloatTensor()64位浮点型:torch.DoubleTensor()16位整型:torch.ShortTensor()32位整型:torch.IntTensor()64位整型:torch.LongTensor()注意:torch.Tensor()默认是32位的torch.FloatTensor()创建一个全为0的Tensor>>>b = torch.zeros((原创 2020-09-07 20:19:12 · 1472 阅读 · 0 评论