文章目录
0. torch
torch包含多维张量的数据结构,并定义了对这些张量的数学运算。
1. Tensors
👉1.Pytorch基础模块torch的API之Tensors实例详解
2. Creation Ops
👉2.Pytorch基础模块torch的API之Creation Ops实例详解
3. Indexing,Slicing,Joining,Mutating Ops
👉3.Pytorch基础模块torch的API之Indexing,Slicing,Joining,Mutating Ops实例详解
4. Generator
import torch
import numpy as np
CLASS torch.Generator(device='cpu') → Generator
torch生成器的类,创建并返回一个生成器对象,该对象管理生成伪随机数的算法的状态。
在许多就地随机采样函数中用作关键字参数。
4.1 device
# 获取生成器的当前设备
g_cpu = torch.Generator()
g_cpu.device
device(type='cpu')
g_gpu = torch.Generator('cuda')
g_gpu.device
device(type='cuda')
4.2 get_state()
# 以torch.ByteTensor的形式返回生成器状态。
g_cpu = torch.Generator()
g_cpu.get_state()
tensor([ 1, 209, 156, ..., 0, 0, 0], dtype=torch.uint8)
4.3 initial_seed()
# 返回用于生成随机数的初始种子。
g_cpu = torch.Generator()
g_cpu.initial_seed()
67280421310721
4.4 manual_seed()
# 设置用于生成随机数的种子。 返回torch.Generator对象。
# 建议设置一个大种子,即一个具有0和1位平衡的数字。 避免在种子中包含许多0位。
g_cpu = torch.Generator()
g_cpu.manual_seed(67280421310721)
<torch._C.Generator at 0x24c9a5019d0>
4.5 seed()
# 从std::random_device或当前时间获取不确定的随机数并将其用作生成器的种子
g_cpu = torch.Generator()
g_cpu.seed()
1137987724531500
4.6 set_state()
# 设置生成器的状态,例子是把一个生成器的状态设置成另外一个生成器的状态。
g_cpu = torch.Generator()
g_cpu_other = torch.Generator()
g_cpu.set_state(g_cpu_other.get_state())
<torch._C.Generator at 0x24c9ab4e430>