深度学习之Pytorch基础教程！

↑↑↑关注后"星标"Datawhale

每日干货 & 每月组队学习，不错过

 Datawhale干货 

作者：李祖贤，Datawhale高校群成员，深圳大学

随着深度学习的发展，深度学习框架开始大量的出现。尤其是近两年，Google、Facebook、Microsoft等巨头都围绕深度学习重点投资了一系列新兴项目，他们也一直在支持一些开源的深度学习框架。目前研究人员正在使用的深度学习框架不尽相同，有 TensorFlow 、Pytorch、Caffe、Theano、Keras等。

这其中，TensorFlow和Pytorch占据了深度学习的半壁江山。前几天分享了TensorFlow的基本教程后，很多人在后台留言说能不能写写Pytorch入门。本着粉丝的诉求必须满足的原则，熬夜干，有了今天的文章。所以你懂我意思吧，记得转发、点赞、在看三联。

本文结合Pytorch官方教程、邱锡鹏老师的《神经网络与深度学习》和李沐老师的《动手学深度学习》，为大家介绍的一下Pytorch深度学习框架。具体目录如下：

一、数据操作

import torch

1.1 创建TENSOR

# 创建未初始化的Tensor
x = torch.empty(5,3)
print(x)

# 创建随机初始化的Tensor
x = torch.rand(5,3)
print(x)

# 创建全为0的Tensor
x = torch.zeros(5,3,dtype=torch.long)
print(x)

# 根据数据创建Tensor
x = torch.tensor([5.5,3])
print(x)

# 修改原Tensor为全1的Tensor
x = x.new_ones(5,3,dtype=torch.float64)
print(x)


# 修改数据类型
x = torch.rand_like(x,dtype=torch.float64)
print(x)

# 获取Tensor的形状
print(x.size())
print(x.shape)
# 注意：返回的torch.Size其实就是⼀一个tuple, ⽀支持所有tuple的操作。

这些创建方法都可以在创建的时候指定数据类型dtype和存放device(cpu/gpu)。

1.2 操作

1.2.1 算术操作

在PyTorch中，同⼀种操作可能有很多种形式，下⾯面⽤用加法作为例子。

# 形式1：
y = torch.rand(5,3)
print(x+y)

# 形式2
prin