PyTorch 入门实战

最新推荐文章于 2023-06-23 02:32:30 发布

浩瀚之水_csdn

最新推荐文章于 2023-06-23 02:32:30 发布

阅读量373

点赞数

分类专栏： # Pytorch框架

原文链接：https://blog.csdn.net/qq_36556893/article/details/86480120

版权

Pytorch框架专栏收录该内容

40 篇文章 15 订阅

订阅专栏

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/qq_36556893/article/details/86480120
前言
博主学习了PyTorch，发现这个深度学习框架适合研究和使用。
当然，博主热衷于vs2017这款IDE。虽然博主同样安装了PyCharm和Eclipse，但是由于写C++Debug的习惯，还是选择了vs2017(和vs2019)作为深度学习的集成开发环境，希望可以帮助博主学习深度学习知识。
环境安装
主要参考博主的这篇文章：vs2017 开始自己的第一个PyTorch程序

在之后的相关教程里博主不会再给出安装的具体步骤，因为按顺序看的话没有这样的问题嘿嘿~

PyTorch入门实战
1.博客：PyTorch 入门实战（一）——Tensor
2.博客：PyTorch 入门实战（二）——Variable
3.博客：PyTorch 入门实战（三）——Dataset和DataLoader
4.博客：PyTorch 入门实战（四）——利用Torch.nn构建卷积神经网络
5.博客：PyTorch 入门实战（五）——2013kaggle比赛猫狗大战的实现
目录

前言

环境安装

一、Tensor的创建和使用

二、Tensor放到GPU上执行

三、Tensor总结

一、Tensor的创建和使用
1.概念和TensorFlow的是基本一致的，只是代码编写格式的不同。我们声明一个Tensor，并打印它，例如：

import torch
#定义一个Tensor矩阵
a = torch.Tensor([1, 2], [3, 4],[5, 6], [7, 8])
print(a)
print('{}'.format(a))
然后会发现报以下错误：

new() received an invalid combination of arguments - got (list, list, list, list), but expected one of: * (torch.device device) * (torch.Storage storage) * (Tensor other) * (tuple of ints size, torch.device device) * (object data, torch.device device)

意思是接收到无效的参数组合。其实是少写了一对中括号，这是初学者的常用错误。

2.改成如下形式：

import torch
#定义一个Tensor矩阵
a = torch.Tensor([[1, 2], [3, 4],[5, 6], [7, 8]])
print(a)
print('{}'.format(a))
结果为：

3.如果想查看的它的大小可以加一句话：

import torch
#定义一个Tensor矩阵
a = torch.Tensor([[1, 2], [3, 4],[5, 6], [7, 8]])
print('{}'.format(a.size()))
结果为：

即4行2列的矩阵

4.如果想生成一个全为0的矩阵，可以输入如下代码：

import torch
#定义一个Tensor矩阵
a = torch.Tensor([[1, 2], [3, 4],[5, 6], [7, 8]])
print('{}'.format(a.size()))
b = torch.zeros((4, 2))
print(b)
结果为：

即4行2列数组元素全为0的矩阵

5.如果想生成不同类型的数据，可以改变torch.后面函数名称，例如下面这样：

6.如果想访问Tensor里的一个元素或者改变它，可以输入如下代码：

print(e[1, 1])
#改变元素值
e[1, 1] = 3
print(e[1, 1])
代码变为：

说明原来4的位置数值变为了3

7.最重要的是Tensor和Numpy之间的转换，例如我们把e变为numpy类型，添加以下代码：

f = e.numpy()
print(f)
变为：

可以看到没有tensor()了~

我们再把f变为tensor类型，输入以下代码：

g = torch.from_numpy(f)
print(g)
变为：

import torch
#定义一个Tensor矩阵
a = torch.Tensor([[1, 2], [3, 4],[5, 6], [7, 8]])
print('{}'.format(a))
b = torch.zeros((4, 2))
print(b)
c = torch.IntTensor([[1, 2], [3, 4],[5, 6], [7, 8]])
print(c)
d = torch.LongTensor([[1, 2], [3, 4],[5, 6], [7, 8]])
print(d)
e = torch.DoubleTensor([[1, 2], [3, 4],[5, 6], [7, 8]])
print(e)
print(e[1, 1])
#改变元素值
e[1, 1] = 3
print(e[1, 1])
#转换为Numpy
f = e.numpy()
print(f)
#转换为Tensor
g = torch.from_numpy(f)
print(g)
结果为：

可以看到又变成了Tensor类型~

二、Tensor放到GPU上执行
1.通过如下代码判断是否支持GPU：

if torch.cuda.is_available():
h = g.cuda()
print(h)
变为

三、Tensor总结
1.Tensor和Numpy都是矩阵，区别是前者可以在GPU上运行，后者只能在CPU上

2.Tensor和Numpy互相转化很方便，类型也比较兼容

3.Tensor可以直接通过print显示数据类型，而Numpy不可以，例如：dtype = torch.float64

————————————————
版权声明：本文为CSDN博主「悲恋花丶无心之人」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_36556893/article/details/86480120

浩瀚之水_csdn

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
PyTorch 入门实战

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/qq_36556893/article/details/86480120前言博主学习了PyTorch，发现这个深度学习框架适合研究和使用。当然，博主热衷于vs2017这款IDE。虽然博主同样安装了PyCharm和Eclipse，但是由...
复制链接

扫一扫