【PyTorch】PyTorch入门教程一

Tensors

PyTorch中的Tensor跟numpy有些类似，唯一的不同是Tensor可以用GPU来加速。

from __future__ import print_function
import torch

#构造一个5x3的未初始化的矩阵
x = torch.Tensor(5, 3)
print(x)

输出为

1.00000e-09 *
  0.0000  0.0000  0.0000
  0.0000  0.0000  0.0000
  0.0000  0.0000  0.0000
  0.0000  0.0000  0.0000
  9.3205  0.0000  0.0000
[torch.FloatTensor of size 5x3]

#构造一个随机初始化的5x3矩阵
x = torch.rand(5, 3)
print(x)

输出为

 0.2740  0.7611  0.0370
 0.2084  0.1229  0.3123
 0.8801  0.7394  0.4909
 0.6665  0.5233  0.0326
 0.3259  0.9744  0.7803
[torch.FloatTensor of size 5x3]

Operations

加法语法一

y = torch.rand(5, 3)
print(x + y)

输出为

 1.2185  0.9737  0.4021
 0.5037  0.9819  1.1197
 1.7124  1.4830  0.8523
 1.3717  0.6566  0.3655
 0.3880  1.9364  1.3280
[torch.FloatTensor of size 5x3]

加法语法二

print(torch.add(x, y))

输出为

 1.2185  0.9737  0.4021
 0.5037  0.9819  1.1197
 1.7124  1.4830  0.8523
 1.3717  0.6566  0.3655
 0.3880  1.9364  1.3280
[torch.FloatTensor of size 5x3]

加法结果赋给新变量

result = torch.Tensor(5, 3)
torch.add(x, y, out=result)
print(result)

输出为

 1.2185  0.9737  0.4021
 0.5037  0.9819  1.1197
 1.7124  1.4830  0.8523
 1.3717  0.6566  0.3655
 0.3880  1.9364  1.3280
[torch.FloatTensor of size 5x3]

加法in-place操作

# adds x to y
y.add_(x)
print(y)

输出为

 1.2185  0.9737  0.4021
 0.5037  0.9819  1.1197
 1.7124  1.4830  0.8523
 1.3717  0.6566  0.3655
 0.3880  1.9364  1.3280
[torch.FloatTensor of size 5x3]

取某一维的数据可以跟matlab一样

print(x[:, 1])

输出为

 0.7611
 0.1229
 0.7394
 0.5233
 0.9744
[torch.FloatTensor of size 5]

Numpy Bridge

将numpy矩阵与Tensor之间的转化是十分方便的。

Converting torch Tensor to numpy Array

a = torch.ones(5)
print(a)

输出为

 1
 1
 1
 1
 1
[torch.FloatTensor of size 5]

b = a.numpy()
print(b)

输出为

[1. 1. 1. 1. 1.]

a.add_(1)
print(a)
print(b)

输出为

 2
 2
 2
 2
 2
[torch.FloatTensor of size 5]

[2. 2. 2. 2. 2.]

可以看到，numpy矩阵和Tensor的数据都发生了变化，也就是说它们是共用一块内存的。

Converting numpy Array to torch Tensor

import numpy as np
a = np.ones(5)
b = torch.from_numpy(a)
np.add(a, 1, out=a)
print(a)
print(b)

输出为

[2. 2. 2. 2. 2.]

 2
 2
 2
 2
 2
[torch.DoubleTensor of size 5]

同样，改变numpy矩阵的值，Tensor的值也会发生变化，即numpy矩阵和Tensor共用同一块内存。