Pytorch学习（1）—— PyTorch是什么

PyTorch是什么？

这是一个基于Python的科学计算包，针对两组受众：

• 想要替换NumPy从而使用GPU的计算能力
• 提供更大灵活性和速度的深度学习研究平台

Tensor

import torch

x = torch.empty(5, 3)                      # 构建一个5x3的空矩阵
x = torch.rand(5, 3)                       # 构建一个5x3的随机矩阵
x = torch.zeros(5, 3, dtype=torch.long)    # 构建一个5x3的全0矩阵，且数据类型为long
x = torch.tensor([5.5, 3])                 # 对已有的数据（非tensor）创建一个矩阵
x = x.new_ones(5, 3, dtype=torch.int)      # 基于一个已有的tensor创建一个新的tensor
x = torch.randn_like(x, dtype=torch.float) # 覆盖上面x的数据类型dtype
x.size()                                   # 获取tensor的大小

张量运算

import torch

x = torch.rand(5, 3)
y = torch.rand(5, 3)
# 加法
print(x + y)                 # 语法1    
print(torch.add(x, y))       # 语法2

result = torch.empty(5, 3)   # 提供一个输出张量result作为参数
torch.add(x, y, out=result)
print(result)

# 任何原位修改一个张量的运算操作都带有下划线后缀：y.add_()
y.add_(x)                    # 原位操作，直接把x加到y上

# 调整张量的大小/形状
x = torch.randn(4, 4)
y = x.view(16)
z = x.view(-1, 8)
print(x.size(), y.size(), z.size())
# 输出：torch.Size([4, 4]) torch.Size([16]) torch.Size([2, 8])

# 对于只有单元素张量，可以使用.item()来取得里面的值，将其作为普通的Python number使用
x = torch.randn(1)
print(x， x.item())
# 输出：tensor([0.1344]) 0.13437242805957794

NumPy桥接

• 把Torch Tensor转换为一个NumPy Array

import torch
a = torch.ones(5)   # tensor([1., 1., 1., 1., 1.])
b = a.numpy()       # [1. 1. 1. 1. 1.]

• 把Numpy Array转换为一个Torch Tensor

import numpy as np
import torch
a = np.ones(5)
b = torch.from_numpy(a)
np.add(a, 1, out=a)

CUDA张量

可以使用.to方法把张量移动到任意的设备。

import torch

if torch.cuda.is_available():
    device = torch.device("cuda")              # 获取cuda设备目标
    y = torch.ones_like(x, device=device)      # 在GPU上直接创建一个tensor
    x = x.to(device)                           # 使用.to方法将张量x移动到有GPU的设备上
    z = x + y
    print(z)
    print(z.to("cpu", torch.double))           # 也可以使用.to方法把张量z从GPU上移动到CPU上