实现了一些PyTorch基本操作，原理可参考《神经网络与深度学习》《动手学深度学习》中的内容。个人练习，切勿与任何作业和考试挂钩。代码运行在Python 3.9.7版本以及Pytorch 1.10版本中。
- 使用Tensor初始化一个1×3的矩阵M和一个2×1的矩阵N，对两矩阵进行减法操作（三种不同形式），给出结果并分析三种方式的不同（如果出现报错，分析报错的原因）。
- ①利用Tensor创建两个大小分别3×2和4×2的随机数矩阵P和Q，要求服从均值为0，标准差0.01为的正态分布；②对第1步得到的矩阵Q进行形状变换得到Q的转置QT；③对上述得到的矩阵P和矩阵QT求矩阵相乘。
- 给定公式y3=y1+y2=x2+x3，且x=1。利用学习所得到的Tensor的相关知识，求y3对x的梯度。要求在计算过程中，在计算x3时中断梯度的追踪，观察结果并进行原因分析。
对于第1题：
利用了torch.rand函数初始化一个1×3的矩阵M和一个2×1的矩阵N；利用直接相减、torch.nn函数和inplace原地操作三种方法（参考课件中的加法）进行减法运算。
对于第2题：
利用了torch.normal函数创建两个大小分别3×2和4×2的随机数矩阵P和Q，服从均值为0，标准差0.01为的正态分布；利用Q.t操作实现转置Q矩阵的转置运算；torch.mm和torch.matmul函数均能实现矩阵的相乘的操作。
对于第3题：
利用torch.tensor函数创建一个数值为1的数x；分别按要求写出y1、**y2、**y3的表达式；由于y2要求中断梯度追踪，因此加入with torch.no_grad()语句。
具体代码见：https://mianbaoduo.com/o/bread/Yp2ZmZly
或见：https://download.csdn.net/download/weixin_44940903/86398370
本文转载自: https://blog.csdn.net/weixin_44940903/article/details/126257922
版权归原作者 JMDou 所有， 如有侵权，请联系我们删除。
版权归原作者 JMDou 所有， 如有侵权，请联系我们删除。