第六章 PyTorch工具庫

torch：

1>動態計算圖，可以根據計算需要實時改變計算圖

2>動態計算機制使得除錯更加容易

3>動態計算更加適用於自然語言處理

4>傳統的物件導向程式設計風格

靜態圖計算——程式在編譯執行時將先生成神經網路的結構，然後再執行相應的操作，類似於「惰性計算」。

動態圖計算——程式按照編寫命令的順序進行執行

同等情況下，靜態可以更好的優化，而動態更加容易除錯

pytorch 0.4.0之前只能用variable包裝器的方法定義張量：

a = variable(torch.randn(5,5))

a = torch.tensor([1,2,3])

a = variable(torch.randn(5,5))

每個變數都有乙個標記（梯度請求）requires_grad。它允許從梯度計算中排除子圖，提高效率；

a = variable(torch.randn(5,5),requires_grad = true)  # requires_grad預設是false

x = variable(torch.randn(5,5)) # 預設不請求梯度計算

y = variable(torch.randn(5,5)) # 預設不請求梯度計算
x = variable(torch.randn(5,5),requires_grad = true)
a = x + y # x,y都不請求梯度計算，a也不請求
a.requires_grad # 輸出false
b = a + z # z請求梯度計算，b也請求
a.requires_grad # 輸出true

pytorch 0.4.0之前用volatile自動求導，現已被棄用。

pytorch 0.4.0之後，用torch.no_grad()/torch.set_grad_enabled(grad_mode)表示是否求導，不再考慮遞推，已經換成了一套更加靈活的上下文管理方式。**如下：

x = torch.zeros(1,requires_grad = true)

with torch.no_grad(): # 通過with限定不可求導 的範圍
y = x * 2
y.requires_grad # 輸出false
is_train = false
with torch.set_grad_enabled(is_train): # 設定這一部分要不要放到計算圖
y = x * 2
y.requires_grad # 輸出false
torch.set_grad_enabled(true): # 不要with，也可直接使用
y = x * 2
y.requires_grad # 輸出true
torch.set_grad_enabled(false): # 不要with，也可直接使用
y = x * 2
y.requires_grad # 輸出false

可以參考我上傳的資源pytorch模型基本**.tar.gz中的線性回歸和邏輯回歸檔案

可以參考我上傳的資源pytorch模型基本**.tar.gz中的多層感知器檔案

可以參考我上傳的資源pytorch模型基本**.tar.gz的cnn和rnn檔案

mysql第六章 第六章 mysql日誌

第六章 mysql日誌 一 錯誤日誌 錯誤日誌的預設存放路徑是 mysql 存放資料的地方 hostname.err 1.修改錯誤日誌存放路徑 mysqld log error data mysql mysql.log 2.檢視配置命令 show variables like log error 3...

第六章 指標

1.多位元組資料的位址是在最左邊還是最右邊的位置，不同的機器有不同的規定，這也正是大端和小端的區別，位址也要遵從邊界對齊 2.高階語言的乙個特性就是通過名字而不是位址來訪問記憶體的位置，但是硬體仍然通過位址訪問記憶體位置 3.記憶體中的變數都是義序列的0或1的位，他們可以被解釋為整數或者其他，這取決...

第六章總結

6.1 使用滑鼠 6.1.1 滑鼠時間和滑鼠訊息 根據使用者操作滑鼠時滑鼠的位置，滑鼠訊息分為兩類 客戶區滑鼠訊息和非客戶區滑鼠訊息。1.客戶去滑鼠訊息 2.當滑鼠游標位於視窗的使用者區時，將生成客戶滑鼠訊息。滑鼠訊息和鍵盤訊息有所不同，windows 只將鍵盤有訊息傳送給具有輸入極點的視窗，但滑鼠...