本系列文章为“深度之眼” PyTorch 框架班学习笔记。 安装 PyTorch（macOS 操作系统下） pip install torch 查询 PyTorch 版本 import torch print(torch.__version__) # 1.5.0 张量是什么？ 张量是一个多维数组： – 标量是一个 0 维数组； – 向量是一个 1 维数组； – 矩阵是一个 2 维张量。 torch.tensor 有什么功能？ 最重要的功能是可以求导： – data：被转换为 tensor 的

tensor torch.tensor(data, # 数据 可以使list numpy dtype=None, # 数据类型 默认与data一致 device=None, # 所在设备 cuda / cpu requires_grad=False, # 是否需要梯度 pin_memory = False ,# 是否存于锁页内存) flag = True if flag: arr = np.ones((3,3)) print('ndarray的数据类型：',arr.dtype

自动求导 torch.autograd.backward 自动求取梯度 tensors 用于求导的张量 retain_graph 保存计算图 create_graph 创建导数计算图 用于高阶求导 grad_tensors 多梯度权重 flag = True # flag = False if flag: # requires_grad 要求梯度 w = torch.tensor([1.],requires_grad=True) x = torch.tensor([2.]

计算图 是用来描述运算的有向无环图 两个主要元素 结点Node 边 Edge 结点表示数据 向量 矩阵 张量 边表示运算 加减乘除卷积 使梯度求导更加方便 import torch w = torch.tensor([1.],requires_grad=True) x = torch.tensor([2.],requires_grad=True) a = torch.add(w,x) # 保存相应张量的梯度 a.retain_grad() b = torch.add(w,1) y = tor