定义：框架，帮我们把矩阵传入到CPU、GPU上
caffe 不更新、无法引入新思想
tensorflow 结果不直观、使用流程僵硬
keras 封装过的tensorflow
cuda+anaconda+pytorch安装
框架框架最厉害的一件事情就是帮我们把反向传播全部都计算好了,对矩阵进行求导
需要求导的可以手动定义：
x=torch.randn(3,4,requires_grad=true)
返向传播计算
w.grad
图像数据一般都是np.array的格式
并且为了防止出错我们一般转换成矩阵的格式
x_values=[i for i in range(11)] x_train = np.array(x_values,dtype=np.float32) x_train = x_train.reshape(-1,1) x_train.shape y_values=[2*i + 1 for i in x_values] y_train = np.array(y_values,dtype=np.float32) y_train = y_train.reshape(-1,1) y_train.shape import torch import torch.nn as nn class linearregresionmodle(nn.Moule): def __init__(self,input_dim,output_dim):
回归模型loss 真实值和预测值的均方误差
分类模型loss 是交叉熵
- scalar：通常是一个数值
- vector：向量特征某一维度
- matrix：一般都是矩阵，通常是多维的
