import torch import numpy as np""" Numpy Torch對比課程 """ # #tensor與numpy格式數(shù)據(jù)相互轉(zhuǎn)換 # np_data = np.arange(6).reshape((2,3)) # print(np_data) # # torch_data = torch.from_numpy(np_data) # print('\n',torch_data) # # tensor2array = torch_data.numpy() # print('\n',tensor2array)# #abs絕對值 # data = [-1,-2,1,2] # tensor = torch.FloatTensor(data) #32bit # print(abs(tensor)) # print('\n',np.abs(data)) # print('\n',torch.abs(tensor))# #矩陣相乘 # data = [[1,2],[3,4]] # tensor = torch.FloatTensor(data) #32-bit # print('\n',np.matmul(data,data)) # print('\n',torch.mm(tensor,tensor)) # # #注意：numpy.dot實現(xiàn)的是叉乘，tensor.dot是點乘 # data = np.array(data) # print('\n',data.dot(data)) # print('\n',tensor.dot(tensor)) #注意這里會報錯 新版本的要求dot需要一維輸入，而我們設(shè)定的tensor是二維,舊版本實現(xiàn)的是點乘""" Variable變量課程 """# #這節(jié)內(nèi)容我學習了一下 但是無法運行，原因是新版本的torch的Variable函數(shù)將返回tensor數(shù)據(jù)，同時requires_grad將有默認值，無需填寫。var.backward()函數(shù)可以直接支持使用tensor了。 # from torch.autograd import Variable # # tensor = torch.FloatTensor[[1,2],[3,4]] # variable = Variable(tensor,requires_grad = True) # # t_out = torch.mean(tensor*tensor) # v_out = torch.mean(variable*variable) # # v_out.backward() # print(variable.grad) # print(variable.data) #tensor形勢 # print(variable.data.numpy)""" 激勵函數(shù)課程 """ import torch.nn.functional as F from torch.autograd import Variable import matplotlib.pyplot as plt#fake data x = torch.linspace(-5,5,200) x = Variable(x) x_np = x.data.numpy() #畫圖時要轉(zhuǎn)化為numpy格式y_relu = F.relu(x).data.numpy() y_sigmoid = F.sigmoid(x).data.numpy() y_tanh = F.tanh(x).data.numpy() y_softplus = F.softplus(x).data.numpy()plt.subplot(221) plt.plot(x_np,y_relu,c='red',label='relu') plt.ylim((-1,5)) plt.legend(loc="best")plt.subplot(222) plt.plot(x_np,y_sigmoid,c='red',label='sigmoid') plt.ylim((-0.2,1.2)) plt.legend(loc="best")plt.subplot(223) plt.plot(x_np,y_tanh,c='red',label='tanh') plt.ylim((-1.2,1.2)) plt.legend(loc="best")plt.subplot(224) plt.plot(x_np,y_softplus,c='red',label='softplus') plt.ylim((-0.2,6)) plt.legend(loc="best")plt.show()

總結(jié)

以上是生活随笔為你收集整理的莫烦Pytorch神经网络第二章代码修改的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。