1.张量与numpy格式之间的转换
import numpy as np
import torch
x_tensor=torch.rand(5,3)
y_numpy=np.random.rand(2,3)
x_numpy=x_tensor.numpy()
y_tensor=torch.from_numpy(y_numpy)
2.GPU上GPU的张量运算
if torch.cuda.is_available():
x=x.cuda()
y=y.cuda()
print(x+y)
3.人工神经网络之所以在诸多机器学习算法中脱颖而出,就是因为它可以利用反向传播算法来更新内在的计算单元,从而更加精准地解决问题。
现在大多深度学习框架都采用了计算图技术,来解决面对不同神经网络,都需要再次编写反向传播程序。
3.1.TensorFlow求导程序范例
import tensorflow as tf
with tf.GradientTape() as tape:
x = tf.Variable(tf.constant(3.0))
y = tf.square(x)
grad = tape.gradient(y, x)
print(grad)