本文已收录于Pytorch系列专栏: Pytorch入门与实践 专栏旨在详解Pytorch,精炼地总结重点,面向入门学习者,掌握Pytorch框架,为数据分析,机器学习及深度学习的代码能力打下坚实的基础。免费订阅,持续更新。
张量变换
1.torch.reshape
torch.reshape(input,shape)
功能:变换张量形状
注意事项:当张量在内存中是连续时,新张量与 input 共享数据内存
- input : 要变换的张量
- shape 新张量的形状
code:
改变其中一个数,另一个张量随之改变,可见是内存共享的。
2.torch.transpose
torch.transpose(input, dim0, dim1)
功能:交换张量的两个维度
- input : 要变换的张量
- dim0 要交换的维度
- dim1 要交换的维度
code
3.torch.t()
torch.t(input)
功能:2 维张量转置,对矩阵而言,等价于torch.transpose(input, 0, 1)
4.torch.squeeze()
torch.squeeze(input, dim=None, out=None)
功能:压缩长度为 1 的维度(轴)
- dim : 若为 None ,移除所有长度为 1 的轴;若指定维度,当且仅当该轴长度为 1 时,可以被移除;
5.torch.unsqueeze()
torch.usqueeze(input, dim, out=None)
功能:
- 依据dim 扩展维度
- dim : 扩展的维度, 这个维度就是1了
张量的数学运算
1.加减乘除
- torch.add()
torch.add(input, alpha=1, other, out=None)
功能:逐元素计算 input+alpha × other
- input : 第一个张量
- alpha : 乘项因子
- other : 第二个张量
- torch.addcdiv()加法集合除法
- torch.addcmul()加法集合乘法
torch.addcmul(input, value=1, tensor1, tensor2,out= None)
- torch.sub()
- torch.mul()
code:
2.对数,指数,幂函数
- torch.log(input, out=None)
- torch,log10(input, out=None)
- torch.log2(input, out=None)
- torch.exp(input, out=None)
- torch.pow(input, out=None)
3.三角函数
- torch.abs(input, out=None)
- torch.acos(input, out=None)
- torch.cosh(input, out=None)
- torch.cos(input, out=None)
- torch.asin(input, out=None)
- torch.atan(input, out=None)
- torch.atan2(input, other, out=None)
应用:线性回归
线性回归是分析一个变量与另外一(多)个变量之间关系的方法。
因变量:y
自变量 x
关系 :线性 y =wx + b
分析:求解 w b
求解步骤
- 确定模型 Model:y = wx + b
- 选择损失函数 MSE:
- 求解梯度并更新 w,b
w = w-LR * w.grad b = b-LR * w.grad
code:
可以看到,经过不断地迭代之后。逐渐收敛,当Loss值小于1时停止迭代。