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