沐神深度学习笔记

最新推荐文章于 2024-08-12 20:31:33 发布

机器学习别搞我！！

最新推荐文章于 2024-08-12 20:31:33 发布

阅读量278

点赞数

文章标签： pytorch 深度学习 python

本文链接：https://blog.csdn.net/weixin_52663081/article/details/119903643

版权

这篇博客介绍了PyTorch的基本操作，包括张量创建、数组操作、线性代数运算，以及梯度计算和线性回归的实现。还展示了如何使用优化算法如梯度下降进行模型训练，并通过简单的线性回归模型演示了数据预处理和模型训练的过程。

摘要由CSDN通过智能技术生成

基础知识

import torch
import numpy as np
x = torch.arange(12)
print(x)
print("类型，，数组形状",x.shape)
print("x的种类，是个标量",x.numel)
print("change x shape\n",x.reshape(3,4))
x1 = torch.zeros(2,3,4)
print("全0，数组\n",x1)
x2 = torch.ones(2,3,4)
print("全1\n",x2)
####特定数组
x3 = torch.tensor([[1,2,3],[4,5,6],[7,8,9]])
print("特定\n",x3)
x4 = torch.exp(x3)
print("求指数",x4)

X = torch.arange(12,dtype=torch.float32).reshape(3,4)
Y = torch.tensor([[2.0,1,4,3],[1,2,3,9],[4,3,2,2]])
x5 = torch.cat((X,Y),dim=0)
x6 = torch.cat((X,Y),dim=1)
print("dim=0在行上进行合并\n",x5)
print("dim=1在列上进行合并\n",x6)

#将两个tensor进行逻辑运算
print(X==Y)
##存在广播机制：即两个不同维的数据进行处理的时候可能出现

print("最后一行\n",x5[-1])
print("1-2列\n",x5[1:3])
x5[0:2,:] = 9
print(x5)

#####numpy___torch.tensor()
A = X.numpy()
B = torch.tensor(A)
print(t)

import os
import pandas as pd
###设置路径
os.makedirs(os.path.join("..","8-20"),exist_ok=True)
data_file = os.path.join("..","8-20","house_tiny.csv")
with open(data_file,"w") as f:
    f.write("NuRooms,Alley,Price\n")
    f.write("NA,pave,1314\n")
    f.write("2,NA,10933\n")
    f.write("4,NA,13423\n")

data = pd.read_csv("house_tiny.csv")
#data["Alley"] = data.apply(lambda r: 1 if r["A