pytorch学习1

最新推荐文章于 2024-10-16 17:29:18 发布

baby?

最新推荐文章于 2024-10-16 17:29:18 发布

阅读量178

点赞数

文章标签： pytorch 学习深度学习

本文链接：https://blog.csdn.net/FNbaby/article/details/118851848

版权

pytorch学习（第一个周）

1、步骤

下载数据集
新建层
训练
测试

# utils
# 画曲线、绘图、one_hot 编码

#头文件
import torch
from torch import nn
from torch.nn import functional as F
from torch inport optim
import torchivision
from matplotlib import pyplot as plt
from utils import plot_image,plot_curve,one_hot
# 下载 图片资源
# 加载数据集 train、test  均匀分布在0附近
# torch.Size([512,1,28,28]) 含义：512张图片，1个通道，28行28列

基本数据类型

int->IntTensor of size()
float->FloatTensor of size()
byte-> ByteTensor
int[] ->IntTensor of size()[d1,d2,…]
float[]->FloatTensor of size() [d1,d2,…]
string->没有string类型，用整型表示采用one-hot 编码方式
在这里插入图片描述

一维向量

应用于：偏置bias，Linear input线性输入
在这里插入图片描述
dim 维度
size 具体形状维度x*y…

二维

在这里插入图片描述

三维

RNN Input Batch
在这里插入图片描述

四维

CNN [b,c,h,w]
适合表示图片
[图片数，通道，长，宽]
在这里插入图片描述

内存大小

a.numel()
a.dim() <=> len(a.shape)
区别：Tensor = FloatTensor(数据的维度~~或者[list表示的具体数据]~~ )；tensor（具体的数据）
注意：tensor\Tensor的类型为默认类型，一般为FloatTensor
但是为了增强学习，一般采用DoubleTensor

torch.set_default_tensor_type(torch.DoubleTensor)# 设置tensor的默认类型

创建数据类型

1、未初始化的数据，数据不规则，需要赋值

Torch.empty(1) # 未初始化，长度为1
Torch.FloatTensor(d1,d2,d3)
Torch.IntTensor(d1,d2,d3)

2、随机初始化

torch.rand(3,3) #[0,1] 随机初始化 3*3矩阵
torch.randint(1,10,[3,3]) # 第一个参数最小值，第二个参数最大值，[3,3] 表示矩阵大小

3、正态初始化

torch.randn(3,3)
torch.normal(mean=torch.full([10],0),std=torch.arange(1,0,-0.1))
#维度为1，长度为10

4、赋值为同一个数值

torch.full([2,3],7) # 2*3的矩阵，每个元素为7
torch.full([],7) # 标量
torch.full([2],7) # 向量，【7,7】

5、等差数列

在这里插入图片描述
6、等切
第三个参数为切割份量

7、矩阵全1or0or对角矩阵

torch.ones(3,3)
torch.zeros(3,3)
torch.eye(3,4) # (i,i) 位置为1，其他为0
torch.eye(3) # 3*3矩阵

8、随机打散种子
a.b的索引多应相同
在这里插入图片描述

索引与切片

索引

1、“：” 单独出现表示取全部
2、“1：” 表示从1到末尾（包括1）
3、“：1” 表示从0到1（不包括1）
4、注意：[0 1 2] 反向标记为[-3 -2 -1]
5、“0:28:2” [0,28) 第三个冒号后面是步长
6、a.index_select(0,[0,2]) 选择第0个参数
选择第2个维度（0开始），范围设定8
在这里插入图片描述
7、“…"表示多个通道维度，例如：a[…].shape 任意多的维度
8、mask 设置掩码，这里是x矩阵中大于0.5的，不过后面变为1*x的矩阵

Tensor维度变换

1、合并信息 a.view() 可能会造成数据污染
在这里插入图片描述
2、unsqueeze 加入一个维度
插入维度 a.unsqueeze(0) 表示在0的前面加一个维度（负数在后面加一个维度）
范围：

在这里插入图片描述
3、squeeze 删除或者减掉一个维度

不传参，挤压掉所有1；传入索引，挤压掉该索引位置，如果是1挤压，否则挤压。
在这里插入图片描述
4、extend 扩展
使用条件：前后维度必须一致；1->N才能扩张，不可3->M；-1表示不进行扩张

5、repeat 拷贝
该维度上拷贝的次数，维度一样

6、矩阵转置
.t 转置二维！

7、permute
交换维度：permute(x,y,z,r) 标记原来的维度编号
在这里插入图片描述

自动扩展Broadcast

按照需要自动，高维度叉1，复制date；右边为小维度，从小维度开始加
在这里插入图片描述

拼接与拆分

1、cat 在一个维度上进行拼接

torch.cat([list],dim) 第一个参数将那几个进行拼接；第二个参数，在哪一个维度上进行拼接；确保其他维度上的值一定
在这里插入图片描述

2、stack（[a1,a2],dim=2)创建一个新的维度

在这里插入图片描述

3、split 根据长度拆分

c.split([3,2],dim=0) 对于第零个维度进行拆分，分为3,2两个组

4、chunk

按数量拆分，c.chunk(2,dim=0) 对于第零个维度，拆分为两个组

数学运算

1、加、减
2、“.matmul” 矩阵方式相乘，只取后面的两个维度进行相乘，前面的两维不变
3、“.* ” 对应位置相乘
4、平方，a.pow(2) 平方;两个**也表示平方
5、开方，sqrt（2）
6、立方，
在这里插入图片描述
7、近似值
floor（）往下取整；ceil（）往上取整
clamp（10）小于10的值都变为10；clamp(0,10)限制在0-10之间