【01】pytorch基础知识-基本运算

已于 2022-04-01 16:31:37 修改
阅读量1.5k 收藏
点赞数
分类专栏： 深度学习碎碎念 文章标签： python pytorch
于 2022-04-01 10:46:14 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/LuminCynthia_/article/details/123892097
版权

作业题

1. 安装anaconda,pycharm, CUDA+CuDNN（可选），虚拟环境，pytorch，并实现hello pytorch查看pytorch的版本

在这里插入图片描述

2. 张量与矩阵、向量、标量的关系是怎么样的？

标量是0维的数据，只有一个值，向量是1维的数据，矩阵是2维的数据，张量是高维的数据；

3. Variable“赋予”张量什么功能？

赋予变量求梯度的功能，可以在torch的计算图中运算。
variable 是一个封装好的模块，包含：tensor.data;tensor.grad;tensor.grad_fn;tensor.retain_graph

4. 采用torch.from_numpy创建张量，并打印查看ndarray和张量数据的地址；

在这里插入图片描述
在这里插入图片描述

5. 实现torch.normal()创建张量的四种模式。

mean,std均为标量
在这里插入图片描述

mean标量，std张量
在这里插入图片描述

mean张量，std标量
在这里插入图片描述

mean，std均为张量
在这里插入图片描述

作业题是《深度之眼》pytorch框架班训练营的题目。

中杯冰美式
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
pytorch函数总结
健身房
10-20 351
文章目录torch.onestorch.zerostorch.arangetorch.normaltorch.catsizetorch.randntorch.maxtorch.squeezetorch.sumtorch.linspacetorch.manual_seedtorch.unsqueezeviewConvolutionNormalization池化层函数torchvision.transforms.CenterCrop(size)ConvTranspose2dReLUcuda.is_availab
PyTorch（细节）知识点/坑总结
ZhangK9509的博客
07-09 1267
  持续更新中，先占个坑 : )   该篇文章记录本人在科研与工程中运用PyTorch时遇到的一些（细节）知识点/坑。很多内容可能平时不太会注意，也可能在功能实现上没有任何影响，但是出于性能（内存利用与时间）的考虑，这些内容应该值得注意。 以下内容均默认已导入PyTorch： import torch ...
如何在pytorch中计算dataloader的mean和std
Kp0fS的草稿纸
10-13 566
如何在pytorch中计算dataloader的mean和std data = next(iter(train_loader)) mean = data[0].mean() std = data[0].std() ----------- came from https://www.youtube.com/watch?v=bCQ2cNhUWQ8&t=58s&ab_channel=deeplizard
pytorch函数
qq_44089640的博客
10-09 150
torch.normal(mean, std, size)生成一个size大小的以mean为均值std为标准差的数集
Pytorch的mean和std调查
机器学习的小学生
07-10 1万+
# coding: utf-8 from __future__ import print_function import copy import click import cv2 import numpy as np import torch from torch.autograd import Variable from torchvision import models, transfor...
【Pytorch基础】Pytorch的基本运算操作
sxl的博客
04-26 1762
  Pytorch跟Python一样都是一种编程语言，只不过Pytorch可以在GPU中进行计算。简单理解的话，就是这个区别吧。至于如何学习Pytorch，个人 觉得完全可以类比，Python两者语法跟用法没有太大差异。再者，为什么学习Pytorch基本计算，而不是用Python基本计算代替再转成tensor格式。个人在代码实现中的体会是：太麻烦，因为Pytorch默认创建变量的类型是float32，使用Python的数据类型如array是float64，如果进行tensor的转换后在计算会报错，变量类型不
a-PyTorch-Tutorial-to-Image-Captioning-master_pytorch_
09-30
本教程将引导你入门PyTorch，通过实例学习其基本原理和操作。 **基础原理知识** 1. **张量(Tensors)**：PyTorch的基础数据结构是张量，类似于多维数组。张量可以在CPU或GPU上运行，支持各种数学运算，如加法、乘法...
pytorch-tutorial-master
01-28
1. **张量运算**：PyTorch的基础是张量，类似于numpy的多维数组，但可以在GPU上运行，加速计算。张量可以进行各种数学运算，如加法、乘法、矩阵乘法等，是构建深度学习模型的基本元素。 2. **自动求导**：PyTorch的...
PyTorch-Tutorial-master.zip
06-05
一、PyTorch基础 PyTorch的核心是Tensor（张量），它是多维数组，与Numpy类似，但可以在GPU上运行，加速计算。张量可以通过`torch.Tensor`类创建，支持各种数学运算，如加减乘除、矩阵乘法等。张量之间的操作可以...
PyTorch_Tutorial-master.zip
02-10
1. **PyTorch基础知识** - 动态计算图：与TensorFlow等静态计算图框架不同，PyTorch的计算图是动态构建的，这意味着可以在运行时创建和修改计算图，更便于调试和实验。 - Tensor运算：PyTorch的核心是Tensor，它...
pytorch-handbook-master
11-21
1. **PyTorch基础**：首先，我们将介绍PyTorch的基本概念，包括Tensor（张量）的创建、操作和计算，以及自动求梯度机制Autograd。理解张量是PyTorch的核心，它们可以被视为多维数组，用于存储数据并执行各种数学运算...
pytorch 基本运算函数
qq_42110481的博客
07-14 3334
生成随机数： torch.rand() torch.randn() tensor乘法： torch.mm(tensor1, tensor2) 返回tensor最大值， 前K个最大值： value, index = torch.max(input, dim) value, index = torch.topk(input, k, dim) tensor拼接： torch.cat...
pytorch 0.4.0（一）：基本tensor运算
热门推荐
qq_27061325的博客
05-30 1万+
pytorch的0.4.0版本相对0.3.0做了一些改进，总体上使用更加方便。不加初始化地构建矩阵，使用torch.empty(row, column).随机初始化矩阵，使用torch.rand(row, column).可以和numpy中定义一些矩阵一样，如x = torch.zeros(5, 3, dtype=torch.float) x = torch.tensor([5.5, 3]) #构...
Pytorch基本运算
__Miracle__
09-18 278
import torch #定义向量 vector = torch.tensor([1,2,3,4]) print('Vector:\t\t', vector) print('Vector Shape:\t', vector.shape) Vector: tensor([1, 2, 3, 4]) Vector Shape: torch.Size([4]) #定义矩阵 matrix = torch.tensor([[1,2],[3,4]]) print('Matrix:\n', matrix) p
pytorch——pytorch常见运算详解
weixin_45833008的博客
09-20 5282
pytorch常见运算详解 pytorch10 pytorch常见运算详解pytorch常见运算详解矩阵与标量哈达玛积矩阵乘法幂与开方对数运算近似值运算剪裁运算 矩阵与标量 这个是矩阵（张量）每一个元素与标量进行操作。 import torch a = torch.tensor([1,2]) print(a+1) >>> tensor([2, 3]) 哈达玛积 这个就是两个相同尺寸的张量相乘，然后对应元素的相乘就是这个哈达玛积，也成为element wise。 a = torch.ten
机器学习PyTorch——1.基本运算
qq_52914337的博客
01-08 1709
一.加减乘除 （1）在pytorch中，既可以使用基本的：+，-，*，/，运算符号进行计算，也可以使用pytorch的内置计算函数：add，sub，mul，div。需要注意的是，pytorch中的tensor再进行计算时，会自动进行维度的转换。例如： 这里在进行加运算前，将b已经进行维度转换为[3,4]。 （2）我们这里来看一下内置函数的使用： 这里我们需要注意，这里的运算结果，和直接使用符号进行运算是一样的，我们可以用 eq（）来进行一下验证： 二.矩阵相乘 （1）使用 to.
pytorch学习笔记5--pytorch基本运算
code_fighter 博客
06-12 6114
文章目录基本运算add/minus/multiply/dividematmul基本函数统计属性normmean,sum,min,max,prod,argmin,argmaxkthvalue,topk\>,>=,<,<=,!=,==高阶操作(GPU)whereGather梯度lossMean Squared Error(MSE)：自动求导：torch.autograd.gra...
python%取模运算符
wangchaofan1992的博客
03-10 7235
1、%可以用于数字运算，用于一个数除以一个数，得到它的余数： 例：5%3=2 6%3=0. 2、%可生成格式化的字符串： %转化说明符，转换说明符可以有以下几种： d,i u o x X f e E g,G s r c % 例：十进制整数或长整数： >>> a=42 >>> '%d'%a '42' 浮点数，数字10表示10位宽度：...
pytorch使用——（六）模型创建与nn.Module
weixin_37799689的博客
06-01 293
1、网络模型创建步骤 2、代码逻辑 3、torch.nn简介 4、nn.Module 一个module可以包含多个子module；一个module相当于一个运算，必须实现forward()函数；每个module都有8个字典管理它的属性。具体如下： self._parameters = OrderedDict() self._buffers = OrderedDict() self._backward_hooks = OrderedDict() self._forward_hooks.
pytorch基础代码知识
最新发布
10-10
PyTorch是一个开源的机器学习框架，主要用于构建深度学习模型。下面是一些PyTorch的基础代码知识： 1. 张量（Tensor）操作： - 创建张量：使用`torch.tensor()`函数可以创建一个张量。 - 张量的属性：可以使用`.shape`属性获取张量的形状，使用`.dtype`属性获取张量的数据类型。 - 张量的运算：可以进行加减乘除等基本运算，也可以使用函数`torch.add()`, `torch.sub()`, `torch.mul()`, `torch.div()`等进行运算。 2. 自动求导（Autograd）： - 自动求导：PyTorch使用自动求导机制来计算梯度。要启用自动求导，只需将`requires_grad=True`设置为张量的参数。 - 梯度计算：通过调用`.backward()`方法可以计算张量的梯度。 - 禁用梯度跟踪：可以使用`torch.no_grad()`上下文管理器来禁用梯度的跟踪。 3. 神经网络模块： - 搭建网络：使用`torch.nn.Module`类可以定义神经网络模块。需要实现两个方法：`__init__()`和`forward()`。 - 参数优化：使用`torch.optim`模块可以定义优化器，如SGD、Adam等。可以通过`optimizer.zero_grad()`清零梯度，`optimizer.step()`更新参数。 4. 数据加载： - 数据集：可以使用`torch.utils.data.Dataset`类来定义自己的数据集。 - 数据加载器：使用`torch.utils.data.DataLoader`类可以创建数据加载器，用于批量加载数据。 5. 训练模型： - 训练循环：通常使用两个嵌套的循环来训练模型，外循环用于迭代训练轮数，内循环用于迭代数据批次。 - 前向传播和反向传播：在内循环中，通过前向传播计算输出，然后计算损失，最后使用反向传播计算梯度并更新参数。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值