【Day3】3h到5h，PyTorch回顾（上）

PyTorch的安装( 学习用CPU也能接收，真正做点事情用GPU)

CPU版本安装：pip install torch1.3.0+cpu torchvision0.4.1+cpu -f https://download.pytorch.org/whl/torch_stable.html

GPU版本安装：pip install torch1.3.0 torchvision0.4.1 -f https://download.pytorch.org/whl/torch_stable

安装成功，自己装的是1.6.0的

【基本操作】
tensor跟numpy有很多相似、甚至还能很快的相互转化：






view操作跟numpy的reshape差不多

numpy的nparray和torch的tensor互相转换

【自动求导机制】（反向传播全部算好了，这也是“用框架”的好处）
定义一个可求导tensor
需要求导的，进行手动定义
方法1：

方法2：（稍微麻烦一丢丢）

requires_grad= True，表示需要求导



意思就是：z = wx+b

进行反向传播：a.backward()，最后一层标志一下，就自动反向传播了。

代码重复执行时，如果对梯度不清零，则会默认将梯度累加起来。因此一般要清零！

####################################
线性回归模型

x_values=

x_train=

无论建立多么复杂的模型，都可以把“类”先定义出来：
class Model(nn.Module):
用def 继承过来
简单的线性回归模型的构造：

模型

发现好像不能截图粘贴了？难道这个有上限？？