零基础学习人工智能—Python—Pytorch学习（三）

前言

这篇文章主要两个内容。
一，把上一篇关于requires_grad的内容补充一下。
二，介绍一下线性回归。

关闭张量计算

关闭张量计算。这个相对简单，阅读下面代码即可。

print("============关闭require_grad==============")
x = torch.randn(3, requires_grad=True)
print(x)
x.requires_grad_(False)  # 关闭x的张量计算

print("关闭x的张量计算后的x：", x)  # 没有requires_grad属性了

x = torch.randn(3, requires_grad=True)
print("新的带张量计算的x：", x)
y = x.detach()  # 去出x的张量附加属性，返回普通张量
print("y没有张量属性：", y)
print("x还有张量属性：", x)
print("============区域内去除x的张量附加属性==============")
with torch.no_grad():
    y = x+2
    print("y没有张量属性：", y)
print("x还有张量属性：", x)

一个有趣的例子

代码1如下，代码可以正常运行。

x = torch.tensor(1.0)
y = torch.tensor(2.0)