摘要：
使用torch的hub模块载入模型，输入数据进行模型的结果输出，对输出的结果做可视化处理 ## GITHUB https://github.com/pytorch/hub import torch model = torch.hub.load('pytorch/vision:v0.4.2', 'de
阅读全文
posted @ 2020-04-06 23:36
python我的最爱
阅读(2184)
推荐(0)
编辑
摘要：
# 0:scaler 一个值 # 1:vector 一个列 # 2:matrix 多个特征 # 3:n-dimensional tensor # 0:scaler # 1:vector # 2:matrix # 3:n-dimensional tensor import torch from tor
阅读全文
posted @ 2020-04-06 23:17
python我的最爱
阅读(677)
推荐(0)
编辑
摘要：
第一步:构造数据 import numpy as np import os x_values = [i for i in range(11)] x_train = np.array(x_values, dtype=np.float32).reshape(-1, 1) y_values = [i *
阅读全文
posted @ 2020-04-06 22:58
python我的最爱
阅读(643)
推荐(0)
编辑
摘要：
第一步:构造数据 import numpy as np import os x_values = [i for i in range(11)] x_train = np.array(x_values, dtype=np.float32).reshape(-1, 1) y_values = [i *
阅读全文
posted @ 2020-04-06 22:53
python我的最爱
阅读(596)
推荐(0)
编辑
摘要：
使用目标对象的.backward()进行反向梯度求导 import torch x = torch.randn(3, 4, requires_grad=True) print(x) b = torch.randn(3, 4, requires_grad=True) t = x + b y = t.s
阅读全文
posted @ 2020-04-06 18:51
python我的最爱
阅读(468)
推荐(0)
编辑
摘要：
import torch x = torch.empty(5, 3) # 生成空的矩阵 print(x) x = torch.rand(5, 4) # 生成随机矩阵 print(x) x = torch.zeros(5, 4, dtype=torch.long) # 生成空矩阵 print(x) x
阅读全文
posted @ 2020-04-06 17:33
python我的最爱
阅读(2626)
推荐(0)
编辑
