7.5.1 Momentum import torch import numpy as np import matplotlib.pyplot as plt def gradient_descent(X, optimizer, n_iters):     X_arr = X.detach().numpy().copy()  # 拷贝，用于记...

import torch from torch import nn, optim class Model(nn.Module):     # 初始化     def __init__(self):         # 调用父类初始化         super(Model, self).__init__()   ...

7.4.1 分类任务损失函数 import torch import torch.nn as nn # 真实值 target = torch.tensor([[1], [0], [0]], dtype=torch.float32) # 预测值 input = torch.randn((3, 1)) ...

7.3.1 自定义模型 在神经网络框架中，由多个层组成的组件称之为 模块（Module）。 在PyTorch中模型就是一个Module，各网络层、模块也是Module。Module是所有神经网络的基类。 在定义一个Module...

7.2.1 全连接层（nn.Linear） 在神经网络中，参数主要位于全连接层（仿射层Affine）中。 PyTorch提供了torch.nn模块，专门用于神经网络的构建和训练。其中全连接层被实现为Linear类，内部有两个...

7.1 激活函数 PyTorch中已经实现了神经网络中可能用到的各种激活函数，我们在代码中只要直接调用即可。 7.1.1 Sigmoid函数 Sigmoid函数与其导数图像绘制代码： import torch import matplotlib....

在此虚拟环境中没有matplotlib，先安装：pip install matplotlib==3.9。 通过PyTorch训练一个模型一般分为以下4个步骤： 准备数据 → 构建模型 → 定义损失函数与优化器 → 模型训练 接下来，构...

1）torch.cat()张量拼接，按已有维度拼接。除拼接维度外，其他维度大小须相同 import torch tensor1 = torch.randint(1, 9, (2, 2, 5)) tensor2 = torch.randint(1, 9, (2, 1, 5)) print(tensor...

6.8.1 交换维度 1.transpose()交换两个维度 import torch tensor1 = torch.randint(1, 9, (2, 3, 6)) print(tensor1) print(tensor1.transpose(1, 2))  # 交换第1维和第2维 2.permute()重...

6.7.1 简单索引 import torch tensor1 = torch.randint(1, 9, (3, 5, 4)) print(tensor1) print() # 取 第0维第0 print(tensor1[0]) print() # 取 第0维所有，第1维第1 print(tensor1[:...