PyTorch入门学习（一）

PyTorch 是一个基于 Python 的科学计算包，主要定位两类人群：

• NumPy 的替代品，可以利用 GPU 的性能进行计算。
• 深度学习研究平台拥有足够的灵活性和速度

#导入pytorch
import torch
import torchvision
import numpy as np

Tensors 类似于 NumPy 的 ndarrays ，同时 Tensors 可以使用 GPU 进行计算。

1.张量tensor

• a:各种数值数据称为张量
• b:常数 scaler 0阶张量
• c:向量 vector 1阶张量
• d:矩阵 matrix 2阶张量
• e:3阶张量

2.张量的创建

t1 = torch.Tensor([1,2,3])
print(t1)

3.torch与数组转换

arr = np.arange(12).reshape((3,4))
print(arr)

t2 = torch.tensor(arr)
print(t2)

4.操作

创建空数组: torch.empty(size)

1. 构造一个随机初始化的矩阵: torch.rand(5, 3)

2. 构造一个矩阵全为 0，而且数据类型是 long: torch.zeros(5, 3, dtype=torch.long)

3. 创建一个 tensor 基于已经存在的 tensor: x = x.new_ones(5, 3, dtype=torch.double)
                                                                          x = torch.randn_like(x, dtype=torch.float)

4. 获取张量的维度信息: tensor.size() 或 tensor.dim() 注意：torch.Size是一个元组，所以它支持左右的元组操作。

5. 获取张量最大值: tensor.max()

6. 转置: tensor.t()

7. 交换两个维度的顺序: tensor.transpose() 或 tensor.permute()

'''
创建空数组
'''
t3 = torch.empty(3,4)
print(t3)
'''
创建整型数组
'''
t4 = torch.randint(low=0,high=10,size=[3,4])
print(t4)

8. 改变大小：改变一个 tensor 的大小或者形状，可以使用 torch.view

9. 如果只有一个元素 tensor ，使用 .item() 来获得这个值。

10. 加法操作:

    • 方式1:(x + y)
    • 方式2:torch.add(x, y) 或 torch.add(x, y, out=result)
    • 加法(adds x to y):y.add_(x)

11. 计算导数，可以调用 Tensor.backward()

'''
创建一个张量，设置 requires_grad=True 来跟踪与它相关的计算
'''
x = torch.ones(2, 2, requires_grad=True)
print(x)