PyTorch框架学习-总览

Pytorch的基本概念 1、tensor（张量）概念 2、tensor的用法 2.1、tensor的类型 2.2、tensor的创建 2.3、tensor的属性 2.4、tensor的运算

创建张量、转换、张量索引、形状、升降维、交换维度、拼接

注意Pytorch中内置的损失函数的参数和tensorflow不同，是y_pred在前，y_true在后，而 Tensorflow是y_true在前，y_pred在后。对于二分类模型，通常使用的是二元交叉熵损失函数nn.BCELoss (输入已经是sigmoid激活函数 之后的结果) 或者 nn.BCEWithLogitsLoss (输入尚未经过nn.Sigmoid激活函数)。dataset定义了数据集的内容，它相当于一个类似列表的数据结构，具有确定的长度，能够用索 引获取数据集中的元素。

张量是一个多维数组nn.ReLU(),nn.Sequential：放置模型的容器，按照相应的顺序安放多个层，简化模型的定义nn.Flatten：将二维数据转化为一维数据，也就是将数据展平，方便后面的运算nn. Linear(28*28, 128)：全连接层nn. ReLU()：激活函数，增加非线性关系，增加表达水平。

转载博客 https://blog.csdn.net/hungryof/article/category/6893403

说明：本文是对论文“SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS， ICLR 2017”中描述的GCN模型代码的详细解读。 代码下载地址：https://github.com/tkipf/pygcn 论文下载地址：https://arxiv.org/abs/1609.02907 数据集下载地址：https://linqs-data.soe.ucsc.edu/public/lbc/cora.tgz 目录代码结构总览一、数据.

pytorch机器学习模型训练张量与线性回归动态图，自动求导及逻辑回归 机器学习模型训练 数据模块（数据采集，清洗，处理等） 建立模型（各种模型的建立） 损失函数的选择（根据不同的任务选择不同的损失函数），有了loss就可以求取梯度 得到梯度之后，我们会选择某种优化方式去进行优化 然后迭代训练 张量与线性回归 张量与线性回归 动态图，自动求导及逻辑回归 参考 ...

1.Tensor中统计学相关的函数 2.统计学习中分布函数（以后学习） 3.Tensor中的随机抽样 4.Pytorch与线性代数运算 5.Pytorch与张量的操作（裁剪、索引与数据筛选，组合与拼接、切片、变形、填充）

1.判断数据类型 a.type() // 或者 isinstance(a,torch.FloatTensor) 2.tensor 和 Tensor区别 Tensor类的未初始化，随机的数据会非常大活非常小 a = torch.tensor(2.2) //tensor(2.2)标量 a.shape //torch.Size([]),dim=0 torch.tensor([1.1]) //tensor([1.100])向量 torch.Tensor(2) //tensor([3.2,4.9]);指定

PyTorch 是由 Facebook 创建和发布的用于深度学习计算的 Python 库。它起源于早期的库 Torch 7，但完全重写。它是两个最受欢迎的深度学习库之一。PyTorch 是一个完整的库，能够训练深度学习模型以及在推理模式下运行模型，并支持使用 GPU 进行更快的训练和推理。这是一个我们不能忽视的平台。您可以使用pip安装 PyTorch。在撰写本文时，PyTorch 的最新版本是 2.0。每个平台（包括 Windows、Linux 和 macOS）都有预构建的 PyTorch。

pytorch框架之张量TOC 欢迎使用Markdown编辑器 torch的张量可以作为numpy数组的替代品，他们之间的相互转换十分方便，但是因为两者共享底层的内层地址，所以修改一个会导致另一个的变化。 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。 新的改变 我们对M...

2、使用 torch.no_grad()： 在该上下文管理器中执行的所有操作都不会追踪梯度。torchvision.datasets所支持的所有数据集，它都内置了相应的数据集接口。Torchvision 库就是常用数据集 + 常见网络模型 + 常用图像处理方法。张量 ，最基础的运算单位 ，一个多维矩阵，一个可以运行在gpu上的多维数据。1、使用 .detach()： 创建一个内容相同但不需要梯度的新张量。

【pytorch快速入门】文前白话二级目录数据加载：datesetdateloadr 文前白话 学习相关视频： 链接: PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】. 二级目录 torch使用过程中两个主要的函数： 1、dir（）函数，返回工具箱以及工具箱中的分隔区有什么东西。 2、help（）函数，返回每个工具是如何使用的，工具的使用方法。 数据加载： dateset 提供一种方式去获取数据及其lable值，将数据进行打包，提供后续 。 如何获取每一个数据及其labe

PyTorch 是由 Facebook 开发的开源深度学习框架，以动态计算图（Dynamic Computational Graph）著称，允许在运行时即时定义和修改模型结构，便于调试和研究。它支持 GPU 加速，并拥有丰富的生态系统，适用于自然语言处理、计算机视觉等众多领域。