深度学习-2基础语法

最新推荐文章于 2024-08-10 23:26:47 发布

lostheartniwe

最新推荐文章于 2024-08-10 23:26:47 发布

阅读量1.4k

点赞数 45

文章标签：深度学习人工智能

本文链接：https://blog.csdn.net/lostheartniwe/article/details/136752486

版权

本文详细介绍了PyTorch中的tensor与numpy的关系，包括创建tensor的方法、tensor属性查看、变形技巧（view和reshape）、索引与切片操作，以及tensor的连接、拆分、换位、置换和基本运算。重点讲解了如何进行tensor的微分计算，展示了在深度学习中如何利用PyTorch进行自动梯度计算。

摘要由CSDN通过智能技术生成

day2

2.1pytorch中的tensor与numpy

Tensor：

Tensor 中文为张量。张量的意思是一个多维数组，它是标量、向量、矩阵的高维扩展。(数组里面同一个数组类型)和numpy 是对应的PyTorch 的 Tensor 可以和 numpy的ndarray相互转换区别：唯一不同的是PyTorch可以在GPU上运行，而numpy的ndarray只能在CPU上运行

numpy：

在这里插入图片描述

python的一个数值计算扩展，可用来存储和处理大型矩阵

一个是numpy的数组，一个是tensor的张量

两者可以相互转化

2.2创建pytorch的tensor

代码书写：

print("#################第二种：未初始化创建##################")

e = torch.empty(1)
print(e)
f = torch.Tensor(2, 3)
print(f)

print("###############第三种：随机生成 创建 ##############")

g = torch.rand(3, 3)
print(g)
h = torch.randn(3, 3)
print(h)
i = torch.rand_like(g)
print(i)

print("##############第四种：序列生成 创建 ###############")

print(torch.arange(0, 10))
print(torch.arange(0, 10, 2))
print(torch.linspace(0, 10, steps=3))

print("###############第五种: 全零，全一， 单位矩阵 创建############ ")
print(torch.ones(3, 3))
print(torch.zeros(2, 3))
print(torch.eye(4, 4))
print(torch.eye(2))

结果：

在这里插入图片描述 +

2.3，查看tensor属性

在这里插入图片描述

2.4，tensor变形

print("##########tensor变形##############")
# view和reshape的差别  查资料
a = torch.tensor([[1, 2, 3], [4, 5, 6]])    #定义numpy的二维数组
print("b的值：", a)
print("a的形状：", a.shape)
b = a.flatten()          # 拉平，就成1维tensor
print("b的值：", b)
print("b的形状：", b.shape)
c = b.reshape(2, 3)      # 采用reshape将输入张量形状变为(2,3)
print("c的值：", c)
print("c的形状：", c.shape)
d = b.view(1, 6)            # 采用view将输出张量形状变为(1,6)
print("d的值：", d)
print("d的形状：", d.shape)
e = torch.squeeze(d)
print("e的值：", e)
print("e的形状：", e.shape)
f = torch.unsqueeze(e,0)
print("f的值：", f)
print("f的形状：", f.shape)
f = torch.unsqueeze(e,1)
print("f的值：", f)
print("f的形状：", f.shape)

用的最多的还是view和respace

view和respace的区别：

reshape()函数返回一个新的张量，而view()函数返回一个与原始张量共享存储空间的张量。这意味着，当你使用reshape()函数改变张量形状时，会创建一个新的张量对象，而原始张量对象不会改变。而当你使用view()函数改变张量形状时，会返回一个新的张量对象，但是它与原始张量对象共享存储空间，因此对新张量的修改也会影响原始张量。

reshape()函数可以处理任意形状的张量，而view()函数只能处理连续的张量。如果你尝试使用view()函数处理非连续的张量，会引发RuntimeError异常。

reshape()函数可以自动推断某些维度的大小，而view()函数需要手动指定所有维度的大小。如果你使用reshape()函数时只指定了部分维度的大小，它会自动推断其他维度的大小。而如果你使用view()函数时没有指定所有维度的大小，会引发RuntimeError异常。

reshape()函数可以使用-1作为占位符来自动计算某个维度的大小，而view()函数不支持使用-1作为占位符。

reshape()和view()函数都是用于改变张量形状的函数，但是它们之间有一些区别。如果你需要处理非连续的张量或者需要自动推断某些维度的大小，应该使用reshape()函数。如果你需要处理连续的张量并且需要手动指定所有维度的大小，应该使用view()函数。

结果：

在这里插入图片描述

2.5tensor索引与切片