【PyTorch学习笔记】1.基本数据类型

张量

在PyTorch中,张量Tensor是最基础的运算单位,与NumPy中的NDArray类似, 张量表示的是一个多维矩阵。不同的是,PyTorch中的Tensor可以运行在GPU. 上,而NumPy的NDArray只能运行在CPU上。由于Tensor能在GPU_ 上运行,因此大大加快了运算速度。

基本数据类型

python PyTorch
Int IntTensor
Float FloatTensor
String

PyTorch中Tensor的维度不同对应python中不同的数据类型:维度为0的表示标量,对应python中的一个普通的数;维度为1的Tensor对应python中的一维数组;以此类推

PyTorch不支持string类型,它不是一个完备的语言库,它是一个面向计算的GPU加速库,没有内建的对string的支持。

怎么表达string?

  • One-hot编码用于类别
  • Embedding

数据类型
pytorch数据类型
同一个数据可能放在CPU上或者GPU上,在Pytorch中对应的数据类型不一样

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
pytorch-09.ipynb是一个使用PyTorch库进行深度学习实践的笔记本文件。PyTorch是一个基于Python的深度学习框架,它提供了方便简洁的API接口,使得深度学习模型的构建和训练变得更加容易。 在这个笔记本文件中,我推测可能包括以下内容: 1. 张量的基本概念和操作:张量是PyTorch中最基本的数据类型,类似于Numpy中的多维数组。这个笔记本可能会介绍如何创建和操作张量,以及张量在深度学习中的应用。 2. 自动梯度计算:PyTorch通过自动梯度计算(Autograd)模块实现了计算图和反向传播。这个笔记本可能会介绍如何使用PyTorch的autograd模块来计算张量的导数,并利用导数进行模型参数的更新。 3. 模型构建和训练:深度学习模型的构建和训练是PyTorch的核心功能。这个笔记本可能会介绍如何使用PyTorch构建各种类型的神经网络模型(如全连接网络、卷积神经网络和循环神经网络)并进行训练。 4. 数据加载和预处理:在深度学习中,数据的加载和预处理是非常重要的一步。这个笔记本可能会介绍如何使用PyTorch的数据加载器和数据转换工具进行数据的加载和处理。 5. 模型性能评估和调优:在实际应用中,评估模型性能和进行调优是不可或缺的步骤。这个笔记本可能会介绍如何使用PyTorch进行模型性能的评估,并介绍一些常见的调优方法,如学习率调整、正则化和dropout等。 总之,这个笔记本文件可能会提供一些关于PyTorch库的基本操作和深度学习模型构建的实践指南,帮助读者更好地理解和应用PyTorch进行深度学习任务。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值