本教程内容主要为在 PyTorch 中训练一个模型所可能涉及到的方法及函 数， 并且对 PyTorch 提供的数据增强方法（22 个）、权值初始化方法（10 个）、损失函数（17 个）、优化器（6 个）及 tensorboardX 的方法（13 个） 进行了详细介绍，本教程分为四章， 结构与机器学习三大部分一致。 第一章， 介绍数据的划分，预处理，数据增强； 第二章， 介绍模型的定义，权值初始化，模型 Finetune； 第三章， 介绍各种损失函数及优化器； 第四章， 介绍可视化工具，用于监控数

今天小编就为大家分享一篇pytorch 常用线性函数详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

Pytorch的线性函数主要封装了Blas和Lapack，其用法和接口都与之类似。 常用的线性函数如下： 函数 功能 trace 对角线元素之和（矩阵的迹） diag 对角线元素 triu/tril 矩阵的上三角/下三角，可指定偏移量 mm/bmm 矩阵乘法，batch的矩阵乘法 t 转置 dot/cross 内积/外积 inverse 求逆矩阵 svd 奇异值分解 注意：矩阵的转置会使存储空间不连续，需调用它的.contiguous方法转为连续。 例