第一次作业 代码练习

PyTorch基础

torch.tensor（张量）可以定义各种形式的数据，也可以利用原来的张量定义同形式的张量或不同形式的张量，同时改变张量的大小

关于数组元素的引用

数组作为矩阵的运算（点积运算，矩阵相加，求逆矩阵）

返回一个有固定大小且数据在某一区间的一维数组

torch.randn(n)：返回n个均值为0方差为1的标准正态分布的随机数，numpy()用于转换数据类型
plt.hist(x,n)：利用一维数据x绘制具有n个柱数的直方图

数据扩大1000倍后正态分布越加明显

矩阵的两种拼接方式

螺旋数据分类

构成螺旋形

构建线性模型分类（线性模型的准确率最高只能达到 50% 左右，对于这样复杂的一个数据分布，线性模型难以实现准确分类）

构建两层神经网络分类（在两层神经网络里加入 ReLU 激活函数以后，分类的准确率得到了显著提高。）