决定用两个星期读完这本书,并自己用Pytorch搭建一个模型。
2019.8.5
第一章深度学习介绍
明确学习目标:
- 深度学习难点不是深度学习本身,难的是你要吃透问题,如何用深度学习的逻辑去思考你自己的问题,有针对性地设计模型
- 难的是你有分析问题贺结果的能力,遇到负面结果不是抓瞎。
2019.8.6
第三章 PyTorch基础知识
在GPU上Tensor 加速计算,常见Tensor类型:
Date | CPU tensor | GPU tensor |
---|---|---|
32-bit floating point | torch.FloatTensor | torsh.cuda.FloatTensor |
64-bit floating point | torch.DoubleTensor | torsh.cuda.DoubleTensor |
16-bit floating point | torch.HalfTensor | torsh.cuda.HalfTensor |
8-bit integer(unsigned) | torch.ByteTensor | torsh.cuda.ByteTensor |
8-bit integer(signed) | torch.CharTensor | torsh.cuda.CharTensor |
16-bit integer(signed) | torch.ShortTensor | torsh.cuda.ShortTensor |
32-bit integer(signed) | torch.IntTensor | torsh.cuda.IntTensor |
64-bit integer(signed) | torch.LongTensor | torsh.cuda.LongTensor |
构造矩阵:torch.Tensor(4,5)#4*5矩阵
矩阵加法:torch.add(a,b) # 矩阵a+b
Tensor转numpy:b=z.numpy()#z转numpy
numpy转Tensor:#
去除dim维并返回:torch.squeeze(input,dim,out=None)
数学操作:torch.abs/torch.acos/torch.add
数理统计:torch.mean(input)/torch.mean(input,dim,out=None)#输入张量input指定维度dim中每行的平均值
比较操作:torch.eq#比较元素相等/torch.ge/torch.gt
2019.8.7.
第四章 简单案例入门