raval 将一个多维数据转化为一维数据
Parameter 和Variable类似,其默认是进行求导的不需要设置参数requires_grad = True
神经网络中的参数一般不适用Variable使用nn. Parameter
使用参数torch.optim 封装了反向求导之后的梯度更新的过程。
optimizer.zero_grad() 进行梯度归零.
optimizer0step() 进行参数更新
x1 = np.linspace(1,10)
获取一个等间隔的数据,默认数量为50
x3 = np.linspace(1,10,num = 10,retstep = True)
返回结果为一个数组和间隔的大小两个值
(array([ 1., 2., 3., 4., 5., 6., 7., 8., 9., 10.]), 1.0)
nn.Sequential 函数
seq_net = nn.Sequential(
nn.Linear(2, 4),
nn.Tanh(),
nn.Linear(4, 1)
)
产生一个两层的神经网络 两个线性层和一个激活层
print(seq_net[2]) 输出每层的神经元个数
print(seq_net[0].weight) 输出每层的参数
param = seq_net.parameters() 统计神经网络中的可进行求导的参数,不能查看 仅返回一个对象,后续进行参数更新的时候可使用
print(param)