快速入门Pytorch

快速入门PyTorch

什么是PyTorch

1. 一个基于Python的机器学习框架
2. 两个主要特点:
   • 在GPUs上进行N维张量计算(如NumPy)
   • 用于训练深度神经网络的自动微分

前置知识—tensors的基本使用

tensor是pytorch的基本数据结构，他是一个高维矩阵，类似数组（arrays）。

查看Tensors的维度

x.shape()

⚠️ PyTorch的dim（维度）等价于 NumPy中的axis（轴）

创建Tensors

直接从数据中获取（比如：list 或者 numpy.ndarray）

x = torch.tensor([[1, -1], [-1, 1]])
x = torch.from_numpy(np.array([[1, -1], [-1, 1]]))

创建全是0或全是1的常数张量

x = torch.zeros([2, 2])   	 # [2, 2]指shape    第0维2列，第1维2列
x = torch.ones([1, 2, 5])    # [1, 2, 5]指shape    第0维1列，第1维2列，第2维5列

常用操作

支持常用的算术函数：

1. 加法：z = x + y
2. 减法：z = x - y
3. 幂运算：y = x.pow(2)
4. 求和：y = x.sum()
5. 平均：y = x.mean()

Transpose：将指定的两个维度转置：

x = torch.zeros([2, 3])
x.shape

x = x.transpose(0, 1)
x.shape

Squeeze：删除length = 1的指定维度

x = torch.zeros([1, 2, 3])
x.shape

x = x.squeeze(0)  # dim = 0
x.shape

x = torch.zeros([2, 1, 3])
x.shape

x = x.squeeze(1)  # dim = 1
x.shape

Unsqueeze：扩展一个维度

x = torch.zeros([2, 3])
x.shape

x = x.unsqueeze(1)  # dim = 1
x.shape

x = torch.zeros([3, 2])
x.shape

x = x.unsqueeze(2