↑↑↑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。
![](https://i-blog.csdnimg.cn/blog_migrate/0a002091b854aeab2b94201569cbb8af.png)
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