kron 参数 返回 返回类型 代码示例 kron paddle.fluid.layers.kron (x, y, out=None, name=None)[源代码] Kronecker Product 算子。 该 OP 计算两个张量的克罗内克积，结果是一个合成的张量，由第二个张量经过第一个张量中的元素缩放 后的组块构成。 这个 OP...

mul mul paddle.fluid.layers. mul (x, y, x_num_col_dims=1, y_num_col_dims=1, name=None)[源代码] mul算子 此运算是用于对输入x和y执行矩阵乘法。 公式是： 输入x和y都可以携带LoD（详细程度）信息。但输出仅与输入x共享LoD信息。 参数： ...

mul mul paddle.fluid.layers. mul (x, y, x_num_col_dims=1, y_num_col_dims=1, name=None)[源代码] mul算子 此运算是用于对输入x和y执行矩阵乘法。 公式是： 输入x和y都可以携带LoD（详细程度）信息。但输出仅与输入x共享LoD信息。 参数： ...

PyTorch: 变量和autograd PyTorch: 变量和autograd 译者：@yongjay13 、@speedmancs 校对者：@bringtree 本例中的全连接神经网络有一个隐藏层, 后接ReLU激活层, 并且不带偏置参数. 训练时通过最小化欧式距离的平方, 来学习从x到y的映射. 在实现中, 我们将使用PyT...

自动求导机制 自动求导机制 在机器学习中，我们经常需要计算函数的导数。TensorFlow提供了强大的 自动求导机制 来计算导数。以下代码展示了如何使用 tf.GradientTape() 计算函数 在 时的导数： import tensorflow as tf   x = tf . Variable ( initial_va...

similarity_focus 参数 返回 返回类型 代码示例 similarity_focus paddle.fluid.layers.similarity_focus (input, axis, indexes, name=None)[源代码] 实现SimilarityFocus(相似度聚焦)运算 通过以下三个步骤，该层生成一个...

2.3 自动求梯度 2.3.1 概念 2.3.2 Tensor 2.3.3 梯度 2.3 自动求梯度 在深度学习中，我们经常需要对函数求梯度（gradient）。PyTorch提供的autograd 包能够根据输入和前向传播过程自动构建计算图，并执行反向传播。本节将介绍如何使用autograd包来进行自动求梯度的有关操作。 2.3.1 概...

广播语义 一般语义 直接语义(In-place语义) 向后兼容性 译者署名 广播语义 一般语义 直接语义 向后兼容性 许多pytorch 操作都支持NumPy广播语义 简而言之,如果Pytorch 操作支持广播,则其张量参数可以自动扩展为相同大小(不需要复制数据）。 一般语义 如果pytorch 张量满足以下条件,那么就可...

gather_nd gather_nd paddle.fluid.layers. gather_nd (input, index, name=None)[源代码] 该OP是 gather 的高维推广，并且支持多轴同时索引。 index 是一个K维度的张量，它可以认为是从 input 中取K-1维张量，每一个元素是一个切片： 显然...

TensorDataset TensorDataset class paddle.io.TensorDataset [源代码] 由张量列表定义的数据集。 每个张量的形状应为[N，…]，而N是样本数，每个张量表示样本中一个字段，TensorDataset中通过在第一维索引张量来获取每个样本。 参数: tensors (list of T...