课时36：autograd代码案例实战讲解（上）

飞翔的佩奇 2025-02-22 10:54:50

课时名称课时知识点
课时36：autograd代码案例实战讲解（上）讲解自动微分的基本原理及其在C++中的初步实现。
...全文
52 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
pytorch基础讲解及代码
本文介绍了PyTorch中的基本数据结构Tensor，包括其数据类型、创建方法、索引与变形操作。此外，还讲解了Tensor的组合与分块、自动广播机制以及向量化操作。接着，文章阐述了PyTorch的自动求导机制Autograd，以及如何构建计算图。最后，提到了神经网络工具箱torch.nn，包括nn.Module的使用、损失函数和优化器如SGD与Adam。整个内容涵盖了PyTorch深度学习的基础知识，为理解神经网络的训练与实现打下基础。
pytorch autograd
本文详细解析了 PyTorch 中 autograd 模块的文件结构和关键组件，包括 anomaly_mode.py、function.py 和 _functions 目录下的子模块等。深入探讨了自动梯度计算和反向传播的实现原理。
【PyTorch】02基础知识---张量与autograd
本文详细介绍了如何安装配置PyTorch环境，包括虚拟环境的创建和配置，以及基本的张量概念、创建方法和常用操作。涵盖了从基础环境搭建到张量算术运算，适合初学者快速上手。
深度学习二(Pytorch物体检测实战)
本文详细介绍了PyTorch深度学习的基础知识，包括Tensor的操作、自动求导机制Autograd、神经网络工具箱torch.nn、模型处理和数据处理。文中以PyTorch中的感知机模型为例，展示了如何构建、优化和加载预训练模型，以及数据加载和GPU加速。此外，还介绍了PyTorch中常用的数据加载库torchvision，并讲解了如何利用它进行数据预处理和可视化。
PyTorch 自动求导实战：梯度计算与方向导数验证的 2 种方法
本文通过二维非线性函数sin(x²)+e^(y/2)，对比数值微分与PyTorch autograd两种方法，验证梯度与方向导数的数学关系：方向导数等于梯度与单位方向向量的点积，且梯度方向对应最大方向导数值。实验涵盖梯度计算、方向导数近似、可视化及结果一致性分析，强化对autograd底层原理的理解。
李世保的课程社区_NO_1

1

社区成员

498

社区内容

发帖
与我相关
我的任务
社区描述
it 男
社区管理员
  • 飞翔的佩奇
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章