Tensor Tensor是PyTorch中的重要数据结构,可认为是一个高维数组,Tensor与numpy的ndarrays类似,但Tensor可以使用GPU加速 import torch as t#import A as B,给予A库一个B的别称,帮助记忆 #构建5*3矩阵,只是分配了空间,未初始化 x=t.Tensor(5,3) print(x) print(x.size())#查看x的形状 print(x.size()[0],x.size(1))#查看列的个数,两种写法等价 print(t
Autograd 1.深度学习的算法本质上是通过反向传播求导数,Pytorch的Autograd模块实现了此功能:在Tensor上的所有操作,Autograd都能为他们自动提供微分,避免手动计算导数的复杂过程. 2.autograd.Variable是Autograd中的核心类,它简单的封装了Tensor,并支持几乎所有Tensor操作:Tensor被封装为Variable之后,可以调用它的.backward()实现反向传播,自动计算所有的梯度. 3.Variable主要包含三个属性: data
1. **args, **kwargs的区别 def build_vocab(self, *args, **kwargs): counter = Counter() sources = [] for arg in args: if isinstance(arg, Dataset): sources += [getattr(arg, name) for name, field in arg.fields.items() if field is self] else: sources.append(
参考:https://pytorch.org/docs/stable/nn.html Containers Module CLASS torch.nn.Module 所有神经网络模块的基类 你定义的模型必须是该类的子类,即继承与该类 模块也能包含其他模块,允许它们在树状结构中筑巢.您可以将子模块指定为常规属性: import torch.nn as nn import torch.nn.functional as F class Model(nn.Module): def __init__(se