李宏毅机器学习 p5(pytorch 1)学习笔记

框架对比 

训练过程

 tensor:  张量

这个词物理上数学上有一堆定义。可以 看 知乎上大佬们的解释，我没看懂。先 按照 老师说的 在深度学习里，是一个多维数组来理解，看图 更直观些 。

 datatype:   存放的数据类型，浮点 、长整型

tensor的属性：

1. rank：number of dimensions
2. shape: number of rows and columns
3. type: data type of tensor's elements

 tensor的构造

 

torch.size () 

可以查看当前Tensor的维度，

torch.squeeze() 

这个函数主要对数据的维度进行压缩，torch.squeeze(n)函数表示压缩tensor中第n维为1的维数.

 torch.unsqueeze()

这个函数主要是对数据维度进行扩充。给指定位置加上维数为一的维度

 transpose  转置函数

 

cat()

torch.cat是将两个张量（tensor）拼接在一起

 torch.cat((X,Y),dim)时，除拼接维数dim数值可不同外其余维数数值需相同。

加法 z= x+y

减法 ：z= x-y

次方pow()

 

sum   函数

一种直接将待求和数据作为参数，则返回参数数据所有维度所有元素的和，

 

还可加入 dim 参数，指定对待求和数据的某一维进行求和。

 

可以理解为一种压缩方式 ，dim=0: 1+1=2,tensor变成了[2，2，2] 

mean  求均值，类似

 

是否使用GPU，这块我没有显卡，所以不在意了，网上看的还是很多坑的

求解梯度

 

这里一些参数的 含义，第一步要计算某个Tensor的导数，那么我们需要设置其.requires_grad属性为True 。我们称为叶子节点。

第二步就是计算平方后求和。

第三步backward，这个 会根据链式法则自动计算出叶子节点的梯度值。

这里老师一带而过过，没有展开讲。

第四步，输出梯度值

对应数学推导 过程如下

 

 感到有些抽象（不懂 ），先整理到这里 。