ai学习笔记 - 技术栈

ai学习笔记

古一木2026-03-16 12:42

1、

复制代码

((x_train, y_train), (x_valid, y_valid), _) = pickle.load(f, encoding="latin-1")

从 MNIST 或 CIFAR 等经典数据集加载的数据。

复制代码

print( type(x_train), x_train.dtype)

<class 'numpy.ndarray'> float32

这里的x_train是'numpy.ndarray'类型，数值类型是float32.

float32 是单精度浮点数的表示方式，占用 32 位（4字节）内存.

复制代码

x_train, y_train, x_valid, y_valid = map(torch.tensor, (x_train, y_train, x_valid, y_valid))

使用 map 函数一次性将所有数据转换为 PyTorch 张量。

复制代码

print(type(x_train), x_train.dtype)

<class 'torch.Tensor'> torch.float32

type()函数返回的是对象的python类型，dtype返回的是元素的数值类型。

2、

复制代码

import torch.nn.functional as F

loss_func = F.cross_entropy #损失函数

#1.函数定义时：Python 只检查语法，不执行函数体内部代码

def model(xb):
    return xb.mm(weights) + bias #mm是矩阵乘法函数，表示 x * w + b

bs = 64
xb = x_train[0:bs]
yb = y_train[0:bs]

#创建一个 784×10 的随机张量,float类型，并计算这个张量的梯度
weights = torch.randn([784, 10], dtype = torch.float, requires_grad = True)
bias = torch.zeros(10, requires_grad = True)

#2.函数调用时：才真正执行内部代码，此时会查找变量
print(loss_func(model(xb), yb))

#另外，在Python 中定义类时不需要显式定义成员变量，可以直接通过 self.变量名 来使用