![](https://img-blog.csdnimg.cn/20190918140053667.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
PyTorch深度学习实践
文章平均质量分 50
刘二大人
LuLu-jianfeng
这个作者很懒,什么都没留下…
展开
-
PyTorch 深度学习实践 第5讲(用PyTorch实现线性回归 )
本实例是批量数据处理,小伙伴们不要被optimizer = torch.optim.SGD(model.parameters(), lr = 0.01)误导了,以为见了SGD就是随机梯度下降。要看传进来的数据是单个的还是批量的。这里的x_data是3个数据,是一个batch,调用的PyTorch API是 torch.optim.SGD,但这里的SGD不是随机梯度下降,而是批量梯度下降。也就是说,梯度下降算法使用的是随机梯度下降,还是批量梯度下降,还是mini-batch梯度下降,用的API都是 torc.原创 2022-05-06 21:05:49 · 692 阅读 · 0 评论 -
torch.nn.MSELoss的用法
torch.nn.MSELoss的用法原创 2022-05-06 20:09:30 · 3413 阅读 · 1 评论 -
torch.nn.Linear进行线性运算的流程
m = torch.nn.Linear(2, 4)m.weight#Out[2]: #Parameter containing:#tensor([[-0.6660, 0.1373],# [ 0.2986, 0.4758],# [-0.2398, 0.2945],# [-0.1975, 0.6900]], requires_grad=True)m.weight.shape#Out[21]: torch.Size([4, 2])m.bias原创 2021-12-23 13:50:53 · 1327 阅读 · 0 评论 -
继承于torch.nn.Module的LinearModel是怎样执行线性运算的
class LinearModel(torch.nn.Module): def __init__(self): super(LinearModel, self).__init__()## 父类 self.linear = torch.nn.Linear(1, 1)##构造一个对象,包含Weight(参数w) 和 Bias(参数b) ,之后就可以直接用Linear计算Wx+b def forward(self, x):##这里主要考虑的override,覆盖父类原创 2022-04-22 21:30:21 · 530 阅读 · 0 评论