也算是學習中的小總結

#以下代碼都是在jupyter notebook中運行的
import torch   
c=torch.arange(20).reshape(2,5,2)
c,c.sum(axis=0)   #(2,5,2)第一個2消失，兩個（5，2）相加
#運行結果
(tensor([[[ 0,  1],
          [ 2,  3],
          [ 4,  5],
          [ 6,  7],
          [ 8,  9]],
 
         [[10, 11],
          [12, 13],
          [14, 15],
          [16, 17],
          [18, 19]]]),
 tensor([[10, 12],
         [14, 16],
         [18, 20],
         [22, 24],
         [26, 28]]))

c=torch.arange(20).reshape(2,5,2)
c,c.sum(axis=1)    #(2,5,2)第二個5消失，兩個（5，2）變成（1，2）再相加
#運行結果
(tensor([[[ 0,  1],
          [ 2,  3],
          [ 4,  5],
          [ 6,  7],
          [ 8,  9]],
 
         [[10, 11],
          [12, 13],
          [14, 15],
          [16, 17],
          [18, 19]]]),
 tensor([[20, 25],
         [70, 75]]))

c=torch.arange(20).reshape(2,5,2)
c,c.sum(axis=2)     #(2,5,2)第三個2消失，變成（2，5）
#運行結果
(tensor([[[ 0,  1],
          [ 2,  3],
          [ 4,  5],
          [ 6,  7],
          [ 8,  9]],
 
         [[10, 11],
          [12, 13],
          [14, 15],
          [16, 17],
          [18, 19]]]),
 tensor([[ 1,  5,  9, 13, 17],
         [21, 25, 29, 33, 37]]))

c=torch.arange(20).reshape(2,5,2)
c,c.sum(axis=1,keepdims=True).shape
#運行截圖
(tensor([[[ 0,  1],
          [ 2,  3],
          [ 4,  5],
          [ 6,  7],
          [ 8,  9]],
 
         [[10, 11],
          [12, 13],
          [14, 15],
          [16, 17],
          [18, 19]]]),
 torch.Size([2, 1, 2]))

線性回歸模型的步驟
1.生成數據集。
2.讀取數據集。
3.初始化模型參數。
4.定義模型
5.損失函數
6.優化算法
7.進行訓練