2020-10-19 21:48:57

docs/pytorch/10.md

@@ -8,7 +8,7 @@
 
 我们创建一些假数据来模拟真实的情况. 比如两个二次分布的数据, 不过他们的均值都不一样.
 
-```
+```py
 import torch
 from torch.autograd import Variable
 import matplotlib.pyplot as plt
@@ -39,7 +39,7 @@ plt.show()
 
 建立一个神经网络我们可以直接运用 torch 中的体系. 先定义所有的层属性( __init__() ), 然后再一层层搭建( forward(x) )层于层的关系链接. 这个和我们在前面 regression 的时候的神经网络基本没差. 建立关系的时候, 我们会用到激励函数.
 
-```
+```py
 import torch
 import torch.nn.functional as F     # 激励函数都在这
 
@@ -70,7 +70,7 @@ Net (
 
 训练的步骤很简单, 如下:
 
-```
+```py
 # optimizer 是训练的工具
 optimizer = torch.optim.SGD(net.parameters(), lr=0.02)  # 传入 net 的所有参数, 学习率
 # 算误差的时候, 注意真实值!不是! one-hot 形式的, 而是1D Tensor, (batch,)
@@ -91,7 +91,7 @@ for t in range(100):
 
 为了可视化整个训练的过程, 更好的理解是如何训练, 我们如下操作:
 
-```
+```py
 import matplotlib.pyplot as plt
 
 plt.ion()   # 画图