PyTorch学习（一）

最近要学习深度学习，需要学习一些python中的包，首先看了一下Torch。

1.Torch是什么

用python进行机器学习时有科学计算包Numpy，可用于处理N维的大型矩阵，实现矩阵之间的运算，将array放入CPU中加速运算。Torch就相当于神经网络中的Numpy，将Tensor（张量）放入GPU中进行加速运算。这里介绍一下张量（tensor）

张量（tensor）

某些情况下，需要讨论超过两维的数组。若一个数组中的元素分布在若干维坐标的规则网络中，可称为张量。张量可使用一个大写字母如A进行表示，A中坐标为（i,j,k）记作Ai,j,k

2.Torch在python中的安装

在pytorch下载中输入操作系统与python版本号，会生成特定的指导安装的命令行，如图：

这边我在控制台安装时报错，出现了以下错误：

在这篇博客上找到了解决方案（其中添加系统环境变量的方法详见链接）

3.Tensor的运算

加法：

有多种方法：

a=torch.rand(5,3)
b=torch.rand(5,3)

1.直接相加：

a+b

2.调用add：

torch.add(a,b)

3.存储运算结果到一个变量中：

result=torch.Tensor(5,3)
torch.add(a,b,out=result)

4.运算结果覆盖

b.add_(a)   #b被覆盖

Tensor的截取，切片操作与numpy类似。

其他Tensor操作可查看该网址：https://pytorch.org/docs/stable/torch.html

4.Torch中Tensor与Numpy中Array相互转换

1.tensor->array

b = a.numpy() #a为tensor

其中，a与b使用的是同一块内存，b随着a的改变而改变，但b的改变与a无关。

2.array->tensor

b = torch.from_numpy(a)  #a为numpy的array

其中，a与b使用的是同一块内存，b随着a的改变而改变，但b的改变与a无关。

5.使用GPU进行tensor运算

若有nvidia的显卡并支持cuda（如GTX 1080），可以使用显卡GPU进行tensor的运算

torch.cuda.is_available()  #是否支持cuda

使用示例：

x = x.cuda()
y = y.cuda()
x.add_(y)    #x,y都是tensor，使用cuda函数后，x与y使用GPU进行运算

参考文章：https://www.jianshu.com/p/5ae644748f21