2021-07-10

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

提示：这里可以添加本文要记录的大概内容：
例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、迭代器的一些感悟

生成的迭代器只能遍历一次：

a=iter(list(range(10)))
for n in range(30):
        print(next(a))

二、torch.normal()

normal前面那个参数是torch类型，指mean,后面是std

n_data=torch.ones(100,2)
x0=torch.normal(2*n_data,1)
y0=torch.zeros(100)
x1=torch.normal(-2*n_data,1)
y1=torch.ones(100)
x=torch.cat((x0,x1),0).type(torch.FloatTensor)
y=torch.cat((y0,y1),).type(torch.LongTensor)

2.两种建立模型的方法

代码如下（示例）：

方法一：

class Net(torch.nn.Module):
    def __init__(self,n_feature,n_hidden,n_output):
        super(Net,self).__init__()
        self.hidden=torch.nn.Linear(n_feature,n_hidden)
        self.predict=torch.nn.Linear(n_hidden,n_output)

    def forward(self,x):
        x=F.relu(self.hidden(x))
        x=self.predict(x)
        return x
net=Net(2,10,2)
print(net)

方法二：

net=torch.nn.Sequential(torch.nn.Linear(2,10),
                        torch.nn.ReLU(),
                       torch.nn.Linear(10,2)
                        )

---