也算是学习中的小总结

#以下代码都是在jupyter notebook中运行的
import torch   
c=torch.arange(20).reshape(2,5,2)
c,c.sum(axis=0)   #(2,5,2)第一个2消失，两个（5，2）相加
#运行结果
(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)第二个5消失，两个（5，2）变成（1，2）再相加
#运行结果
(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)第三个2消失，变成（2，5）
#运行结果
(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
#运行截图
(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]))

线性回归模型的步骤
1.生成数据集。
2.读取数据集。
3.初始化模型参数。
4.定义模型
5.损失函数
6.优化算法
7.进行训练