Pytorch学习笔记-01

本篇文章所提及的所有代码皆开源，可以在个人的Gitee账号下存储库内找到
相关的Gitee链接
此仓库下有几个分支，关于AI的存储在Py分支下–>Gitee

• Pytorch学习笔记-01
• • 概述
  • Pandas
  • 张量
  • 梯度
  • 关于matplotlib

本学习笔记主要跟随李沐老师的系列深度学习入门视频进行学习并对学习过程中
存在的重要内容进行记录
这是第一部分 入门部分的笔记 截止到 线性拟合网络

1. pandas转换格式时需要注意缺失值的处理 否则会产生格式转换错误

由于其内包含NAN类型的 numpy object而不是支持的数据类型

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-pOq5iHYX-1655097598540)(https://peachpidgo.oss-cn-guangzhou.aliyuncs.com/img/202206041220457.png ‘格式转换需要进行缺失值的处理’)]

2. 删除缺失值所在的列

   def Del_Col(indata:pd.DataFrame,if_return:bool=False):
       col_name=indata.columns
       count_max=0
       tarcol=''
       i=0
       coltar=''
       for col in col_name:
           cnt=indata[col].isna().sum()
           if cnt>count_max:
               count_max = cnt
               tarcol=col
               pass
           pass
       if if_return:
           indata.drop(columns=tarcol,inplace=True)
       else:
           return indata.drop(columns=tarcol)
   

   张量

   1. 标量是0维张量也就是一个点

   2. 向量是一维张量 默认列方向

   3. sum()返回一个所有值的和的标量

   4. 在进行求和后的矩阵计算时 需要注意对维度的保持可以避免出现错误

      size【5】和size【5,1】并不相同

​

梯度指明的是值增大最快的方向

​ 在求导的过程中：

首先要明确向量默认是列向量 那么加了转置符号的向量代表其是一个行向量

在进行求导时 分母发生转置 分子保持不变

在使用时传入的数据应该为numpy.ndarray类型