pytorch之深度学习

pytorch使用

一、pytorch使用教程

pytorch是一个基于Python的科学数据包，是numpy的替代品。

Tensors(张量)的使用

tensors类似与numpy中的ndarrays，同时tensors可以进行GPU加速：

1. tensors的简单使用 ：

import torch
(1)构建一个矩阵，不初始化
x=torch.empty(5,3)
print(x)
显示结果
tensor([[1.0561e-38, 1.0653e-38, 4.1327e-39],
        [8.9082e-39, 9.8265e-39, 9.4592e-39],
        [1.0561e-38, 1.0653e-38, 1.0469e-38],
        [9.5510e-39, 8.7245e-39, 9.0918e-39],
        [1.0102e-38, 9.6429e-39, 8.7245e-39]])

(2)构造一个5x3随机初始化矩阵

x=torch.rand(5,3)
print(x)
输出：
tensor([[0.4719, 0.3377, 0.4123],
        [0.8551, 0.5074, 0.5010],
        [0.9962, 0.7364, 0.4845],
        [0.5003, 0.7620, 0.9850],
        [0.0910, 0.4591, 0.5037]])

(3)构造一个全为0的矩阵，而且数据类型是long

x=torch.zeros(5,3,dtype=torch.long)
print(x)
输出：
tensor([[0, 0, 0],
        [0, 0, 0],
        [0, 0, 0],
        [0, 0, 0],
        [0, 0, 0]])

（4）构造一个张量，直接使用数据

x=torch.tensor([10,2])
print(x)
输出:
tensor([10,  2])

(5)创建一个tensor基于已经存在的tensor

x=x.new_ones(5,3,dtype=torch.double)
print(x)
x=torch.randn_like(x,dtype=torch.float)
print(x)
输入:
tensor([[1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.]], dtype=torch.float64)
tensor([<