用户286281009340

PyTorch：optim 优化器 本示例实现一个三阶多项式模型，通过最小化欧式距离平方和，拟合区间 ([-π, π]) 内的正弦函数 (y=\sin(x))。 该实现的核心变化： 仍使用 nn 包构

PyTorch：nn 模块 本示例实现一个三阶多项式模型，通过最小化欧式距离平方和，拟合区间 ([-π, π]) 内的正弦函数 (y=\sin(x))。 该实现的核心变化： 使用 PyTorch 的

PyTorch：定义自定义 autograd 函数（Defining New autograd Functions） 本示例实现一个三阶多项式模型，通过最小化欧式距离平方和，拟合区间 ([-π, π]

PyTorch：张量与自动微分（Tensors and autograd） 本示例实现一个三阶多项式模型，通过最小化欧式距离平方和，拟合区间 ([-π, π]) 内的正弦函数 (y=\sin(x))（

PyTorch：张量（Tensors） 本示例实现一个三阶多项式模型，通过最小化欧式距离平方和，拟合区间 ([-π, π]) 内的正弦函数 (y=\sin(x))。 该实现基于 PyTorch 张量手

热身：numpy 创建时间：2020年12月03日 | 最后更新：2025年9月29日 | 最后验证：2024年11月05日 本示例实现一个三阶多项式模型，通过最小化欧式距离平方和，拟合区间 ([-π

通过示例学习 PyTorch（Learning PyTorch with Examples） 本教程通过独立可运行的示例，介绍 PyTorch 的核心基础概念。 PyTorch 的核心提供两大功能：

训练分类器（Training a Classifier） 至此，你已经学会了如何定义神经网络、计算损失值以及更新网络权重。 现在你可能会思考： 数据该如何处理？ 通常，当你需要处理图像、文本、音频或视

torch.autograd 轻松入门 torch.autograd 是 PyTorch 的自动微分引擎，为神经网络训练提供核心支持。本节将帮助你从概念层面理解 autograd 如何助力神经网络训练