学习记录-10.19

tensor与int类型转换

添加链接描述
数据类型简介：

数据类型包括Python数据类型、Numpy数据类型和Pytorch中的tensor，Pytorch中的tensor又包括CPU上的数据类型和GPU上的数据类型。

解决方法：

int是python的数据类型，torch.cuda.FloatTensor是Pytorch的GPU数据类型。

转换方式为：python数据类型->Numpy数据类型->Pytorch的cup tensor->Pytorch的gpu tensor

例如：

• a为基本的int类型数据
• b=np.array(a)， b为numpy数据类型
• c=torch.from_numpy(b)，c为CPU的tensor
• d=c.cuda()，d为GPU的tensor

不同数据类型之间的转化：

python基本数据类型和Numpy数据类型之间的转换：

• Numpy—>python 使用data.item()，data为numpy变量
• python—>Numpy 使用np.array(data)，data为python变量

Tensor与numpy之间的转换：

• Tensor---->Numpy 使用 data.numpy()，data为Tensor变量
• Numpy ----> Tensor 使用torch.from_numpy(data)，data为numpy变量

GPU tensor与CPUtensor之间的转换：

• CPU张量 ----> GPU张量, 使用data.cuda()
• GPU张量 ----> CPU张量 使用data.cpu()

添加链接描述
添加链接描述

        x   #这里的x是个整数，eg 2
        tmp = []
        tmp.append(x)   # [2]
        x = np.array(tmp)  # numpy数据类型
        x = torch.from_numpy(x)  # CPU的tensor,但这里是IntTensor
        x = x.float()  # 将该tensor转换为FloatTensor类型

张量维度不对应错误

RuntimeError: size mismatch, m1: [4 x 784], m2: [4 x 784] at /pytorch/aten/src/TH/generic/THTensorMath.cpp:136
添加链接描述

torch.unsqueeze() 和 torch.squeeze()

添加链接描述

torch.unsqueeze(input, dim, out=None)
作用：扩展维度
参数:

• tensor (Tensor) – 输入张量
• dim (int) – 插入维度的索引
• out (Tensor, optional) – 结果张量

torch.squeeze(input, dim=None, out=None)
作用：降维
参数:

• input (Tensor) – 输入张量
• dim (int, optional) – 如果给定，则input只会在给定维度挤压
• out (Tensor, optional) – 输出张量

tensor.size() 获取tensor维度信息

添加链接描述

使用 tensor.size()

Pytorch 查看模型参数

添加链接描述
添加链接描述

CartPole环境介绍

添加链接描述
添加链接描述

环境 env 的 state 返回有4个变量，分别是： (位置x，x加速度, 偏移角度theta, 角加速度)

环境 env 的action有两个 : 0 和 1

env.step(0) ：小车向左
env.step(1) ：小车向右

将一维数组升维reshape()

添加链接描述

类型：numpy模块
语法：reshape((x,y))
参数：1）(x,y)为一维数组要变为x行y列的二维数组，也可以是(x,y,z)的三位数组
返回值：数组。将一维的数组变为多维的数组。
注意：reshape函数生成的新数组和原始数组公用一个内存，也就是说，不管是改变新数组还是原始数组的元素，另一个数组也会随之改变

numpy.expand_dims增加维度

添加链接描述

PaddlePaddle快速入门

添加链接描述

PARL框架

添加链接描述