PyTorch入门学习（一）

PyTorch入门学习（一）

目录

PyTorch是一个很流行的开源深度学习平台，风头一度胜过Tensorflow,近期对对抗生成网络GAN比较感兴趣，GAN采用生成式和判别式网络，生成模型G捕捉样本数据的分布，判别模型D是一个二分类器，估计一个样本来自于训练数据（而非生成数据）的概率，最终，G 能估测出样本数据的分布，判别模型D的准确率等于50%左右。启发自博弈论中的零和博弈，也同周伯通的左右互搏有相通之处。近期的一些GAN的变种的论文都是由PyTorch实现的，欲善其事，先利其器，先把工具给学习了。

安装

目前PyTorch只支持linux和OSX,采用pip或者conda，在官网首页选好自己软件相应版本，可用两行命令安装。

pip install http://download.pytorch.org/whl/cu80/torch-0.1.12.post2-cp27-none-linux_x86_64.whl
pip install torchvision

我的版本是ubuntu+python 2.7+pip

基本操作

python常用的数值计算的库numpy不能通过GPU加速计算，所以计算速度较慢，PyTorch就可以，并且可以和numpy的数据类型转换。

Tensor

Tensor张量，简单理解：一维张量是向量，二维张量是矩阵
from __future__ import print_function
import torch
x=torch.Tensor(3,5) #实际为3*5的矩阵
x.size()  #Out:torch.Size([3, 5])
y = torch.rand(3, 5) #产生随机数
z=torch.ones(5)   #5个1

把Tensor放到GPU上

# let us run this cell only if CUDA is available
if torch.cuda.is_available():
    x = x.cuda()
    y = y.cuda()
    x + y
切片访问：x[:,1]    #x的第二行

Autograd

自动求导数包，这是PyTorch对神经网络求导的核心包。可以提供对Tensor各种操作的自动求导。

autograd.Variable

这个类是自动求导包的核心类，该类wraps了Tensor，支持Tensor的全部计算操作，计算完后调用.backward()函数时即能够自动计算梯度。
sample:计算 y=