Pytorch入门

任务1：PyTorch张量计算与Numpy的转换

任务2：梯度计算和梯度下降过程

• 使用numpy创建一个y=10*x+b+noise(0,1)的数据，其中x是0到100的范围，以0.01进行等差数列

• 使用pytroch定义w和b，并使用随机梯度下降，完成回归拟合。

 

 

任务3：PyTorch全连接层原理和使用

• 步骤2：在pytorch中使用矩阵乘法实现全连接层

• 步骤3：在pytorch中使用nn.Linear层

任务4：PyTorch激活函数原理和使用

• 步骤2：在pytorch中手动实现上述激活函数

任务5：PyTorch卷积层原理和使用

• 步骤2：计算下如下卷积层的参数量

Python

nn.Conv2d(

            in_channels=1,

            out_channels=32,

            kernel_size=5,

            stride=1,

            padding=2

        )

参数量=5*5*32*1+32

任务6：PyTorch常见的损失函数和优化器使用

• 步骤3：设置不同的优化器和学习率，重复任务2的回归过程

• 损失函数MSE、优化器SGD、学习率0.1

• 损失函数MSE、优化器SGD、学习率0.5

• 损失函数MSE、优化器SGD、学习率0.01

 

任务7：PyTorch池化层和归一化层

• 步骤1：使用pytroch代码实现2d pool中的mean-pooling、max-pooling