机器学习CV代码练习（九）之Pytorch基础

创建Tensor

创建指定大小的tensor

import torch
x = torch.empty(5, 3) 
print(x)

创建随机数tensor

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

创建制定数据类型的tensor

x = torch.zeros(5, 3, dtype=torch.long) 
print(x)

从数据创建tensor

x = torch.tensor([5.5, 3]) 
print(x)

从已经存在的Tensor创建新的Tensor

x = x.new_ones(5, 3, dtype=torch.double) 
print(x) 
y = torch.randn_like(x, dtype=torch.float) # 改变了数据类型! 
print(y) 

Tensor的操作

加法

y = torch.rand(5, 3) 
z = x + y # 方式一

z = torch.add(x, y) # 方式二

z = torch.empty(5, 3)  # 方式三
torch.add(x, y, out=z) # 方式三

y.add_(x) # 方式四, inplace
print(z) 

Index 定位

Print(x[:, 1])#返回第一列

Resize

x = torch.randn(4, 4) 
y = x.view(16) 
z = x.view(-1, 8) # -1 的位置的值可以按照其它纬度来计算
print(x.size(), y.size(), z.size())

单元素的tensor可以转为普通python值

x = torch.randn(1) 
print(x) 
print(x.item())#返回python值

Tensor转为Numpy数组

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

b = a.numpy() #tensor变为numpy数组
print(b)

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

Numpy数组转为Tensor

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

使用GPU (CUDA)

if torch.cuda.is_available(): 
	device = torch.device(“cuda”) # CUDA 设备对象

y = torch.ones_like(x, device=device) 

x = x.to(device) # 或者使用 x.to("cuda") 
z = x + y 
print(z) 
print(z.to("cpu", torch.double))

• Pytorch用GPU到底能比CPU快多少？
  https://zhuanlan.zhihu.com/p/35434175

PyTorch的功能

1. N维 Tensor, 与Numpy数组类似, 但是可以在GPU上运行
2. 自动求导

GPU

1. https://pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html cpu net to GPU

2. Multi-GPU: https://pytorch.org/tutorials/beginner/blitz/data_parallel_tutorial.html