pytorch 基础

import torch
import numpy as np

# 随机初始化很大或者很小的数
m=torch.empty(5,3)
print(m)

# 随机初始化 0-1 范围的数
n=torch.rand(5,3)
# 随机生成 标准正态分布
n=torch.randn(5,3)
print(n)

# 生出数据类型为long的零矩阵
x=torch.zeros(3,5,dtype=torch.long)
y=torch.zeros(3,5).long()
print(x)
print(y)

# 生成向量
t=torch.tensor([2,3],dtype=torch.double)
print(t)

# 生成和t形状一致的标准正态分布
q=torch.randn_like(t)
print(q)

# t.shape=t.size() 求向量的形状
print(t.shape)
print(t.size())

# 加  +=torch.add()
x=torch.randn(3,5)
y=torch.rand(3,5)
sum=torch.add(x,y)
sum=x+y

# 索引  同一般的索引一样
t=torch.randn(5,3)
print(t[:,2:])

# resize   t.view()  t.reshape() 都可
x=torch.rand(4,4)
x=x.view(16)
x=x.reshape(2,8)
print(x)

# tensor 向量的内置方法
x=torch.tensor([2,3])
print(x)
print(x.data)
# 取出向量里面的数字
for i in x:
    print(i.item())

# transpose   ???
x=torch.rand(2,3)
print(x.shape)
x.transpose(1,0)
print(x.size())


# gpu
if torch.cuda.is_available():
    print('true')
    # 1.
    device=o=torch.device("cuda")
    x.to(device)
    # 2.
    x.to('cuda')   #/'cpu'
    # 3.
    x.cuda()

# tensor 和 numpy 之间的转换
# 1. array---> tensor  torch.from_numpy
a=np.array([3,4,5])
b=torch.from_numpy(a)
print(b)

# 2.tensor ---> array  a.numpy()
a=b.numpy()
print(a)

# model=model.cuda()    # 把整个模型都搬到 cuda上运算