pytorch的 torch tensor和numpy array对比，以及Torch 中的激励函数（代码解释）

学了本文你能学到什么？仅供学习，如有疑问，请留言。。。

 

# -*- coding: utf-8 -*-
# Author       :   szy
# Create Date  :   2019/10/25


"""
Optimization  优化
牛顿法 (Newton’s method)
最小二乘法(Least Squares method)
梯度下降法 (Gradient Descent)
误差方程 (Cost Function)
平方差 (Mean Squared Error)
全局最优解(Global minima)
局部最优(Local minima)
特征(features)
代表特征(feature representation)
迁移学习(Transfer Learning)
tensor 张量
torch 火炬
变量 (Variable)
计算图, computational graph
激励函数 (Activation Function)
线性方程 (linear function)
非线性方程 (nonlinear function)
卷积神经网络 Convolutional neural networks--------------推荐的激励函数是 relu.
循环神经网络中 recurrent neural networks, 推荐的是 tanh 或者是 relu


"""

# numpy array 和 torch tensor
import torch
import numpy as np
import math

# np_data = np.arange(6).reshape((2, 3))
# torch_data = torch.from_numpy(np_data)
# tensor2array = torch_data.numpy()
# print(
#     '\nnumpy array:', np_data,          # [[0 1 2], [3 4 5]]
#     '\ntorch tensor:', torch_data,