广州十大电商公司如何指导建立商城网站？

商城网站建设教学,广州十大电商公司,杨庄网站建设,网站头部导航文章目录 2.1 张量2.1.1 简介2.1.2 创建tensor2.1.3 张量的操作2.1.4 广播机制 2.2 自动求导Autograd简介2.2.1 梯度 2.3 并行计算简介2.3.1 为什么要做并行计算2.3.2 为什么需要CUDA2.3.3 常见的并行的方法#xff1a;网络结构分布到不同的设备中(Network partitioning)同一层… 文章目录 2.1 张量2.1.1 简介2.1.2 创建tensor2.1.3 张量的操作2.1.4 广播机制 2.2 自动求导Autograd简介2.2.1 梯度 2.3 并行计算简介2.3.1 为什么要做并行计算2.3.2 为什么需要CUDA2.3.3 常见的并行的方法网络结构分布到不同的设备中(Network partitioning)同一层的任务分布到不同数据中(Layer-wise partitioning)不同的数据分布到不同的设备中执行相同的任务(Data parallelism) 2.3.4 使用CUDA加速训练 2.1 张量 概述 张量的简介PyTorch如何创建张量PyTorch中张量的操作PyTorch中张量的广播机制 2.1.1 简介 几何代数中定义的张量是基于向量和矩阵的推广比如我们可以将标量视为零阶张量矢量可以视为一阶张量矩阵就是二阶张量。 张量维度代表含义0维张量代表的是标量数字1维张量代表的是向量2维张量代表的是矩阵3维张量时间序列数据 股价 文本数据 单张彩色图片(RGB) 张量是现代机器学习的基础。它的核心是一个数据容器多数情况下它包含数字有时候它也包含字符串但这种情况比较少。因此可以把它想象成一个数字的水桶。 这里有一些存储在各种类型张量的公用数据集类型 3维 时间序列4维 图像5维 视频 例子一个图像可以用三个字段表示 (width, height, channel) 3D但是在机器学习工作中我们经常要处理不止一张图片或一篇文档——我们要处理一个集合。我们可能有10,000张郁金香的图片这意味着我们将用到4D张量 (batch_size, width, height, channel) 4D2.1.2 创建tensor 随机初始化矩阵 我们可以通过torch.rand()的方法构造一个随机初始化的矩阵 import torch x torch.rand(4, 3) print(x)tensor([[0.7569, 0.4281, 0.4722],[0.9513, 0.5168, 0.1659],[0.4493, 0.2846, 0.4363],[0.5043, 0.9637, 0.1469]])全0矩阵的构建 我们可以通过torch.zeros()构造一个矩阵全为 0并且通过dtype设置数据类型为 long。