所有用到的数据集都必须是其子类。这些子类都必须重写以下方法：__len__：定义了数据集的规模；__getitem__：支持0到len(self)范围内的整数索引。
torch.autograd 提供类和函数，实现任意标量值函数的自动微分。 它要求对已有代码的最小改变—你仅需要用requires_grad=True关键字为需要计算梯度的声明Tensor。...
本章中，将要介绍使用我们的C库如何扩展torch.nn，torch.autograd和编写自定义的C扩展工具。
译者：GeneZCtorch.nn.init.calculate_gain(nonlinearity, param=None)返回给定非线性函数的推荐的增益值。对应关系如下表：image.png参数：nonlinearity – 非线性函数 (nn.functional 中的名字)param – 对应非线性......
在某些情况下, 当使用CUDA后端与CuDNN时, 该操作符可能会选择不确定性算法来提高性能. 如果这不是您希望的, 您可以通过设置torch.backends.cudn .deterministic = True来尝试使操作具有确定性(可能会以性能为代价). ...
深度学习的所有计算都是在张量上进行的,其中张量是一个可以被超过二维索引的矩阵的一般表示形式。稍后我们将详细讨论这意味着什么。首先，我们先来看一下我们可以用张量来干什么。...
从数据集(Dataset)中构造神经网络输入时，遇到同一维度的的Feature元素个数不同的问题，比如:
本篇介绍如何关闭和打开Autograd。关闭和打开Autograd的最简单的方法是更改tensor的requires_grad 属性。import torcha = torch.ones(2, 3, requires_grad=True)print(a)b1 = 2 * a # b1 由 a 计算得来，......
tf.reshape函数用于对输入tensor进行维度调整，但是这种调整方式并不会修改内部元素的数量以及元素之间的顺序，换句话说，reshape函数不能实现类似于矩阵转置的操作。比如，对于矩阵[[1,2,3],[4,5,6]],如果使用reshape,将维...
tensor（张量）是 PyTorch 中的多维数组，类似与 Numpy 中的 ndarray 。
