【Datawhale 组队学习Pytorch】Task01 Pytorch安装和基础知识

听小瑜儿

已于 2022-10-11 19:46:40 修改

阅读量189

点赞数

文章标签： python pytorch 深度学习

于 2022-10-11 18:19:24 首次发布

本文链接：https://blog.csdn.net/m0_61267964/article/details/127263981

版权

【项目简介】

        PyTorch是利用深度学习进行数据科学研究的重要工具，在灵活性、可读性和性能上都具备相当的优势，近年来已成为学术界实现深度学习算法最常用的框架。考虑到PyTorch的学习兼具理论储备和动手训练，两手都要抓两手都要硬的特点，我们开发了《深入浅出PyTorch》课程，期望以组队学习的形式，帮助大家从入门到熟练掌握PyTorch工具，进而实现自己的深度学习算法。学习的先修要求是，会使用Python编程，了解包括神经网络在内的机器学习算法，勤于动手实践。

        我们的愿景是：通过组队学习，大家能够掌握由浅入深地PyTorch的基本知识和内容，经过自己的动手实践加深操作的熟练度。同时通过项目实战，充分锻炼编程能力，掌握PyTorch进行深度学习的基本流程，提升解决实际问题的能力。



【教程地址】
在线教程链接：https://datawhalechina.github.io/thorough-pytorch/
Github在线教程：https://github.com/datawhalechina/thorough-pytorch
Gitee在线教程：https://gitee.com/datawhalechina/thorough-pytorch
b站视频：https://www.bilibili.com/video/BV1L44y1472Z

序

PyTorch基础知识复习

张量 - 现代机器学习的基础（类似多维数组）

序

之前学过一遍课程，没有安装好jupyter notebook和pytorch实操，这次重点实践练习，

Task01课程笔记链接如下： http://t.csdn.cn/uEw0c

从上次出bug的检验是否安装完成开始

进入所在的虚拟环境，紧接着输入python，在输入下面的代码。

import torch

torch.cuda.is_available()

>>>False

这条命令意思是检验是否可以调用cuda，如果我们安装的是CPU版本的话会返回False，能够调用GPU的会返回True。一般这个命令不报错的话就证明安装成功。

检验成功

PyTorch基础知识复习

Pytorch简介

pytorch是由Facebook开发
利用深度学习进行科学研究的重要工具
学术界最常用的深度学习框架
简洁、高效、扩展性好

张量 - 现代机器学习的基础（类似多维数组）

它的核心是一个数据容器，多数情况下，它包含数字，有时候它也包含字符串，但这种情况比较少。因此可以把它想象成一个数字的水桶。

这里有一些存储在各种类型张量的公用数据集类型：

3维 = 时间序列
4维 = 图像
5维 = 视频

创建张量

几种常见的创建`tensor`的方法
随机初始化矩阵通过`torch.rand()`的方法，构造一个随机初始化的矩阵 torch.randn_like可转换为随机矩阵	import torch x = torch.rand(4, 3) print(x)
全0矩阵的构建通过`torch.zeros()`构造一个矩阵全为 0，并且通过`dtype`设置数据类型为 long。除此以外，我们还可以通过torch.zero_()和torch.zeros_like()将现有矩阵转换为全0矩阵.
全1矩阵的构建
通过`torch.tensor()`直接使用数据，构造一个张量：
基于已经存在的 tensor，创建一个 tensor ：

常见的构造Tensor的方法：

函数	功能
Tensor(sizes)	基础构造函数
tensor(data)	类似于np.array
ones(sizes)	全1
zeros(sizes)	全0
eye(sizes)	对角为1，其余为0
arange(s,e,step)	从s到e，步长为step
linspace(s,e,steps)	从s到e，均匀分成step份
rand/randn(sizes)	rand是[0,1)均匀分布；randn是服从N(0，1)的正态分布
normal(mean,std)	正态分布(均值为mean，标准差是std)
randperm(m)	随机排列

张量的操作

加法操作

索引操作：(类似于numpy)

需要注意的是：索引出来的结果与原数据共享内存，修改一个，另一个会跟着修改。如果不想修改，可以考虑使用copy()等方法

维度变换

张量的维度变换常见的方法有torch.view()和torch.reshape()，下面我们将介绍第一中方法torch.view()：

注: torch.view() 返回的新tensor与源tensor共享内存(其实是同一个tensor)，更改其中的一个，另外一个也会跟着改变。(顾名思义，view()仅仅是改变了对这个张量的观察角度)

torch.view()会改变原始张量，但是很多情况下，我们希望原始张量和变换后的张量互相不影响。为为了使创建的张量和原始张量不共享内存，我们需要使用第二种方法torch.reshape()，同样可以改变张量的形状，但是此函数并不能保证返回的是其拷贝值，所以官方不推荐使用。推荐的方法是我们先用 clone() 创造一个张量副本然后再使用 torch.view()进行函数维度变换。------>右侧实现