初识pytorch(一)

1.1 pytorch框架简介

  Torch是一个开源的机器学习框架，在2002年发布了Torch的初代版本，Torch的编程语言为C和Lua。在2017年，Facebook推出了pytorch深度学习框架，主要编程语言为python。pytorch是Torch框架的一个端口(pytorch是torch的python版本)。常见的深度学习框架有：Theano、TensorFlow、keras、Caffe、pytorch等等，其中TensorFlow和pytorch是目前主流的深度学习框架。

1.2 创建tensor

  tensor即"张量"(不是张亮麻辣烫)，是一种数据结构(数据类型)，是pytorch中最基础的运算单位。实际上，张量tensor与numpy数组(NDArray)类似，但pytorch中的tensor可以运行在GPU上，而numpy数组(NDArray)只能运行在CPU上，因此tensor加快了运算速度。张量tensor可以看作是一个多维数组。标量(scalar)可以看作0维张量，向量(vector)可以看作1维张量，矩阵可以看作2维张量。总而言之，tensor是一个可以运行在GPU上的多维数据。在Pytorch中，可利用torch.tensor()和torch.Tensor()生成新的张量。

1. torch.Tensor()是python中的一个类，是torch.FloatTensor的别名。
2. torch.tensor()是一个函数，函数原型是：torch.tensor(data, dtype=None, device=None, requires_grad=False)。其中，data可以是：list、tuple、NumPy ndarray、scalar和其他类型。torch.tensor()会从data中的数据部分做拷贝(而不是直接引用)，根据原始数据类型生成相应的torch.LongTensor、torch.FloatTensor和torch.DoubleTensor，或者根据dtype的值生成相应数据类型。

import torch
tensor1 = torch.tensor([1, 2, 3])
tensor2 = torch.Tensor([1, 2, 3])
print(tensor1)
print(tensor2)
输出：
tensor([1, 2, 3])
tensor([1., 2., 3.])

# torch.Tensor() 可以创建一个空的FloatTensor,使用torch.tensor()时则会报错。
tensor3 = torch.Tensor()
tensor4 = torch.tensor()  # 会报错

参考【PyTorch】Tensor和tensor的区别

1.3 查看tensor数据的维度(ndim、dim())、类型(dtype、type())、元素个数(numel())和大小(shape、size())

直接上代码

import torch

tens = torch.tensor([[1, 3, 5], [2, 4, 6]], dtype=float)
print(f"tens:  {tens}")
print(f"dtype:  {tens.dtype}")  # 通过对象的属性dtype查看tens数据类型
print(f"ndim:  {tens.ndim}")  # 通过对象的属性ndim查看tens数据的维度
print(f"dim():  {tens.dim()}")  # 通过对象的方法dim()查看tens数据的维度
print(f"shape:  {tens.shape}")  # 通过对象的属性shape查看tens的大小(形状)
print(f"size():  {tens.size()}")  # 通过对象的方法size()查看tens的大小
print(f"type():  {tens.type()}")  # 通过对象的方法type()查看tens数据类型
print(f"type():  {type(tens)}")  # 通过内置函数type()查看tens数据类型
print(f"numel():  {tens.numel()}")  # 通过对象的方法numel()查看tensor数据包含的元素个数

输出：
tens:  tensor([[1., 3., 5.],
        [2., 4., 6.]], dtype=torch.float64)
dtype:  torch.float64
ndim:  2
dim():  2
shape:  torch.Size([2, 3])
size():  torch.Size([2, 3])
type():  torch.DoubleTensor
type():  <class 'torch.Tensor'>
numel():  6