1、f=d2l.normal(0,1,(1000,2),requires_grad=True)
生成正太分布参数,u=0,sigma=1,1000*2,数据类型是tensor;梯度计算
2、x=torch.tensor(np.arange(0,1000,1))
numpy数组转换为tensor数组,np.arange,0-1000,以1为间隔;
3、x.t()
tensor数组转置
4、f[:,1];tensor数组第1列;第0列;
5、f.shape,f的size
6、indices = list(range(1000)) 1000以内数,生成一个数组
7、random.shuffle(indices) indices随机打乱
8、yield关键字:
(48条消息) python中yield的用法详解——最简单,最清晰的解释_mieleizhi0522的博客-CSDN博客_yield
9、range(0,10,1),
10、tensor数组,后面跟tensor数组,可以实现取数的功能。
例如:
indices = list(range(100))
f=tensor(indices)
ff=tensor(indices[10:20])
f[ff],就是f数组中第10~20个元素。
11、with torch.nograd():
(48条消息) with torch.no_grad() 详解_岛的博客-CSDN博客_torch.no_grad():
不更新梯度,里面会执行乘法加法计算,如不加该wrap符,会导致梯度变化。