摘要：
感知机原理：利用超平面对数据进行二分类。 损失函数:y*(wx+b)。大于0则判断成功否则判断失败。 通过梯度下降法优化损失函数。 机器学习就是分析数据，找到一种能解决你需求的函数关系。 目标感知机：x1+2*x2+3*x3+4*x4+5 代码部分： 引入numpy库： import numpy a 阅读全文
摘要：
梯度下降法的精髓是：两向量方向相反内积后最小。 梯度下降法是一种优化方法，通过不断的迭代使用梯度下降法来达到优化损失函数的目的。损失函数是表示当前函数与理想函数的差距，梯度下降法就是通过损失函数来优化参数达到函数更加准确的目的。梯度下降法通过迭代来降低损失函数。 dz表示的是损失函数的变化量，可以将 阅读全文
摘要：
返回和之前相同的张量，只是没有梯度求导。 阅读全文
摘要：
它们俩个的出现解决了，向同一个函数传入不同参数情况。传入数组数量不同。 阅读全文
摘要：
torch.cat 用于连接多个张量 当dim=0时张量按竖直方向连接，dim=1时按水平方向连接 阅读全文
摘要：
slice函数返回一列数。 返回的是数组，不包括end值。 阅读全文
摘要：
将数据集变成可以迭代的对象。 阅读全文
摘要：
可以让节点不进行求梯度，从而节省了内存控件，当神经网络较大且内存不够用时，就需要让梯度为False 代码： x = torch.tensor([1.0], requires_grad=True) with torch.no_grad(): y = x * 2 print(y.requires_gra 阅读全文
摘要：
使用不好就用相对路径，将程序和要读取的内容放在一起，之后读取时文件路径直接写文件名就可以 阅读全文