深度之眼PyTorch训练营第二期 ---2、张量操作与线性回归

标签：put   nic   移除   inpu   idt   共享数据   指定   依据   one   

一、张量的操作：拼接、切分、索引和变换

1、拼接

（1）torch.cat()  功能：将张量按照维度dim进行拼接（不会扩张）

• • 　　tensors：张量序列
  •       dim：要拼接的维度

（2）torch.stack()  功能：在新创建的维度dim上进行拼接（会扩张张量的维度）

• • 　　tensors：张量序列
  •        dim：要拼接的维度

（3）torch.chunk()  功能：将张量按维度dim进行平均切分     返回值：张量列表

　　注意：若不能整除，最后一份张量小于其他张量

• • 　　input：要切分的张量
  •        chunks：要切分的份数
  •        dim：要切分的维度

（4）torch.split()  功能：切分  

• • 　　tensor：要切分的张量
  •        split_size_or_sections：为int时，表示每一份的长度；为list时，按list元素切分
  •        dim：要切分的维度

2、索引

（1）torch.index_select()  功能：在维度dim上，按index索引数据   返回值：依index索引数据拼接的张量

• • 　　index：要索引的张量
  •        dim：要索引的维度
  •        index：要索引数据序号

（2）torch.masked_select()  功能：按mask中的True进行索引     返回值：一维张量   通常用于筛选数据

• • 　　input：要索引的张量
  •        mask：与input同形状的布尔类型张量

3、张量变换

（1）torch.reshape()   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

（2）torch.transpose() 功能：交换张量的两个维度

• • 　　input：要交换的张量
  •        dim0：要交换的维度
  •        dim1：要交换的维度

（3）torch.t()   功能：2维张量转置，对矩阵而言，等价于torch.transpose(input, 0 , 1)

（4）torch.squeeze()  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()   功能：依据dim扩展维度

• • 　　dim：扩展的维度

二、张量的数学运算

1、加减乘除

2、对数、指数、幂函数

3、三角函数

 （1）torch.add() 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

pythonic:

（2）torch.addcdiv()

（3）torch.addcmul()

三、线性回归

线性回归是分析一个变量与另一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：

1、确定模型

Model： y = wx + b

2、选择损失函数

MSE:1/mΣ(yi - yiˆ)2

3、求解梯度并更新w，b

w = w - LR * w.grad

b = b - LR * w.grad

深度之眼PyTorch训练营第二期 ---2、张量操作与线性回归

标签：put   nic   移除   inpu   idt   共享数据   指定   依据   one   

原文地址：https://www.cnblogs.com/cola-1998/p/11679380.html