深度学习
深度学习
_昨日不可追
这个作者很懒,什么都没留下…
展开
-
08 线性回归 + 基础优化算法
线性回归的从零开始实现 包括数据流水线、模型、损失函数和小批量随机梯度下降优化器 # 如果没有d2l包,可以通过下面的语句安装 # !pip install -U d2l # %matplotlib inline可以在Ipython编译器里直接使用,功能是可以内嵌绘图,并且可以省略掉plt.show()这一步 %matplotlib inline import random import torch from d2l import torch as d2l def synthetic_data(w,原创 2021-11-08 14:27:29 · 241 阅读 · 0 评论 -
07 自动求导
# 对函数 y=2X^(T)X 关于列向量X求导 import torch x = torch.arange(4.0) x tensor([0., 1., 2., 3.]) # 存储梯度 x.requires_grad_(True) x.grad # 默认值是None y = 2 * torch.dot(x, x) y tensor(28., grad_fn=<MulBackward0>) y.backward() x.grad tensor([ 0., 4., 8., 1..原创 2021-11-08 14:26:47 · 196 阅读 · 0 评论 -
Pytorch基础操作
# 标量 import torch x = torch.tensor([3.0]) y = torch.tensor([2.0]) x + y, x * y, x / y, x ** y (tensor([5.]), tensor([6.]), tensor([1.5000]), tensor([9.])) x = torch.arange(4) x tensor([0, 1, 2, 3]) x[3] # 通过索引访问任一元素 tensor(3) len(x) # 张量的长度 4 x.s原创 2021-11-08 14:21:49 · 958 阅读 · 0 评论