PYTORCH实现张量计算简单程序

1.张量与numpy格式之间的转换

import numpy as np
import torch
x_tensor=torch.rand(5,3)
y_numpy=np.random.rand(2,3)
x_numpy=x_tensor.numpy()
y_tensor=torch.from_numpy(y_numpy)

2.GPU上GPU的张量运算

if torch.cuda.is_available():
   x=x.cuda()
   y=y.cuda()
   print(x+y)

3.人工神经网络之所以在诸多机器学习算法中脱颖而出，就是因为它可以利用反向传播算法来更新内在的计算单元，从而更加精准地解决问题。        

       现在大多深度学习框架都采用了计算图技术，来解决面对不同神经网络，都需要再次编写反向传播程序。

3.1.TensorFlow求导程序范例

import tensorflow as tf

with tf.GradientTape() as tape:
    x = tf.Variable(tf.constant(3.0))
    y = tf.square(x)
grad = tape.gradient(y, x)
print(grad)