🌞欢迎来到深度学习的世界
🌈博客主页:卿云阁💌欢迎关注🎉点赞👍收藏⭐️留言📝
🌟本文由卿云阁原创!
✉️希望可以和大家一起完成进阶之路!
🙏作者水平很有限,如果发现错误,请留言轰炸哦!万分感谢!
Pytorch基础操作
创建一个5行3列的矩阵,它的格式是tensor,翻译成张量,把它当成一个矩阵即可,它是一个基本的计算单元。
view操作
假设我们原来的矩阵是4*4的,现在可以把它变成一个向量,第三行代码的-1指的是自动去做计算的意思,8代表第二个维度具有8个元素。
tensor格式可以和numpy的格式做一个转换
自动求导机制
我们为什么要用到这些框架鸭,直接用python写代码不香嘛?难度最大的地方就是反向传播了,反向传播中需要逐层求导(w),并且这个w是一个矩阵。框架比较好的就是自动计算反向传播的求导操作。
线性回归模型
Tensor常见的形式有哪些
Tensor就是我们拿到的所有输入数据。
- 0: scalar(数值)
- 1: vector(向量)
- 2: matrix(矩阵)
- 3: n-dimensional tensor(高维数据)
scalar
Vector(表示的是某一个特征)
假设现在我们有一个样本,这个样本中有三个指标,分别是身高,体重,年龄。这3个指标我们把它叫做一个特征(一个向量)。
Matrix
- 一般计算的都是矩阵,通常都是多维的
强大的hub模块
GITHUB:https://github.com/pytorch/hub
模型:https://pytorch.org/hub/research-models
一行代码,调用很多的模型。下面给大家演示一下怎么使用的。比如我们点这一个做分割任务。
Pytorch基础
于 2024-01-16 21:35:32 首次发布
本文介绍了如何在Pytorch中进行基础操作,如创建张量,view操作的使用,以及自动求导机制在深度学习中的重要性。还探讨了Tensor的不同形式,包括scalar、vector和matrix。最后提到强大的hub模块,如Deeplabv3模型的快速集成方法。
摘要由CSDN通过智能技术生成