- 博客(2)
- 收藏
- 关注
RSS订阅原创 pytorch基础（2）
ReLU函数近年来应用较为广泛，相对于Sigmoid和Tanh，它解决了两个函数存在的致命缺陷，即梯度弥散问题：根据图像不难看出，函数在正无穷处的梯度是一个常量，而不是像前两个函数一样为0，并且由于函数组成简单，运算速度比包含指数函数的Sigmoid以及Tanh要快很多。通过torch.normal()函数从给定参数的离散正态分布中抽取随机数创建张量，共有4种模式，即均值和标准差分别为标量或张量，当均值和标准差中有一个为张量，另一个为标量时，将会应用broadcast机制把标量扩展成同型张量。
2023-06-20 15:00:21
365
原创 pytorch基础(1)
因此，种子是决定随机序列开始的一个数值，而生成器的状态则包含了更多的信息，比如生成器已经生成了多少个随机数，下一个将要生成的随机数是什么等。通过设置和获取生成器的状态，你可以精确地控制随机序列的生成过程，而不仅仅是它开始的位置。生成器的状态（Generator state）：生成器的状态是一个包含了当前随机数生成器所有信息的对象，这些信息包括种子以及其他内部状态值，比如已经生成的随机数的数量等。给定相同的种子，随机数生成器将会产生相同的随机数序列。long类型的整数的大小比标准的int类型的整数更大。
2023-06-20 11:09:49
324
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