pytorch语法学习整合

torch.linspace(-1, 1, 100)
在-1到1之间取100个数，生成的是一维数据
torch.unsqueeze(torch.linspace(-1, 1, 100), dim=1)
将一维数据变成二维，因为pytorch中只能处理二维数据
[1,2,3,4]
——一维数据
[[1，2，3，4]]
——二维数据
torch.nn.Module
其中包含很多net主模块 ？？？？？
def init(self）
放搭建层所需信息
super(Net, self).init()
继承Net模块到module并输出init功能
def forward(self）
用init信息进行搭建流程图
torch.nn.Linear（）
构建一层神经网络
.relu（x)
用激励函数激活x ？？？？
torch.optim.SGD(net.parameters(),lr=0.5)
优化神经网络，传入神经网络参数及学习效率，越高越快容易忽略知识点
torch.nn.MSELoss()
计算误差手段，这个为均方差

#优化
optimizer.zero_grad() # 将将所有参数梯度降为0
loss.backward() # 反向传递，给每一个神经网络节点赋梯度
optimizer.step() # 优化梯度

分类
[0,1]为第二类 [1,0]为第一类
[1,0,0]2为第一类 [0,0,1]为第三类，标签哪个位置为1 就认为是属于哪个类

torch.nn.CrossEntropyLoss() # 计算误差手段 计算概率

F.softmax(out) 转换成概率