- 博客(6)
- 收藏
- 关注
RSS订阅原创 matplotlib知识
后续用到的再更新；首先matplotlib 是python的绘画库，pylot（plt）包含了很多绘画的函数;1.plt.plot()：绘制直线；plt.plot([1,3,6],'ro')# 一共有三个参数，第三个参数若省略则表示为蓝色实线；# 第一个参数若省略，则x值默认从0-n-1，长度与y的长度相同；# r:红色实线，ro红色点；plt.xlabel('x')# x轴坐标命名为x;plt.ylabel('y')# y轴坐标命名为y;plt.show()运行结果：如果mat
2020-11-27 09:40:10
223
原创 pytorch(三)------------线性回归的基础
加油加油加油1.基本概念回归问题：输出是一个连续值；分类问题：输出是一个离散值；线性回归假设输出与输入之间是线性关系模型训练：通过数据来寻找特定的模型参数值，使得模型在数据上的误差尽可能小，这个过程叫做训练过程；样本：训练集中的一个叫做一个样本；标签：训练集中一个样本的真实输出；特征：用来预测的因素称为特征，特征用来表示样本的特点；损失函数：衡量预测值与 真实值之间的误差，通常我们选择的是平方损失函数：用训练样本中所有样本误差的平均来衡量模型预测的质量：找出一组参数，使得训练样本的平均
2020-11-26 10:45:03
213
1
原创 pytorch（二）------2.3自动求梯度
概念像我这样的小白不太能够理解，但是先向下看这些例子，然后再来理解这些概念，就感觉easy些了。require_grad属性：是否需要追溯此tensor的梯度；.backward():对其进行反向传播；.grad属性：反向传播后，tensor的梯度；grad_fn属性：变量是怎么来的，手动创建的tensor为none,其余的都不为空；torch.ones_like(input):返回一个张量，值为1，大小与input相同；.backward(torch.ones_likes(y)):torch
2020-11-23 21:11:18
172
1
原创 矩阵乘法，矩阵中各元素对应相乘及其梯度计算；
矩阵乘法：x=([x1,x2]) w=([w1,w2],[w3,w4])torch.matmul(x,w)=([x1w1+x2w3,x1w2+x2+w4])x.grad=(w1+w2,w3+w4)矩阵中各元素对应相乘x=([x1,x2]) w=([w1,w2],[w3,w4])x * w=([x1w1,x2w2],[x1w3,x2w4])（xw在pytorch中为矩阵各个元素对应相乘）x.grad=(w1+w3,w2+w4)代码x*y：x=torch.tensor([1.,2.],requ
2020-11-23 19:44:17
3409
原创 pytorch（一）------2.2数据操作
动手学pytorch2.2数据操作torch.tensor是存储和变换数据的主要工具，tonsor和numpy非常类似，但是tensor提供GPU计算和自动求梯度等更多功能，这使得tensor更加适合深度学习；tensor可翻译为张量；1.创建tensorimport torch# 引入torch包；x=torch.empty(5,3)#创建5*3的未初始化的数组；print(x);#输出结果全0；x=torch.rand(5,3)#创建5*3的随机初始化的数组；print(x)x=to
2020-11-22 14:57:50
442
1
原创 x[m,:]，x[:,n]与x[:,m:n]区别
x[m,:]x[m,:]表示取数组第m行的所有元素（即取第m个数组的所有元素）x=torch.rand(5,3)print(x)print(x[0,:])输出结果：tensor([[0.9291, 0.3896, 0.8130], [0.8645, 0.9081, 0.1629], [0.9813, 0.5383, 0.6273], [0.9149, 0.5107, 0.3606], [0.3358, 0.4032, 0.2648
2020-11-21 16:29:28
1127
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人