1.语法与入门-pytorch与自然语言处理

还我的鸭脖！

已于 2022-04-11 11:50:40 修改

阅读量1.6k

点赞数

分类专栏： pytorch与自然语言处理文章标签： python

于 2022-04-07 11:44:57 首次发布

本文链接：https://blog.csdn.net/qq_42035862/article/details/124005554

版权

这篇博客介绍了如何使用PyTorch进行自然语言处理（NLP）的基础操作，包括创建张量、进行基本运算、类型转换以及利用autograd进行自动求导。内容涵盖张量的初始化、矩阵运算、形状变换、张量与numpy数组的交互，以及如何开启自动求导机制计算梯度。适合初学者入门PyTorch和NLP。

摘要由CSDN通过智能技术生成

课程链接：Python人工智能20个小时玩转NLP自然语言处理【黑马程序员】_哔哩哔哩_bilibili

本系列是自己记的课程笔记

pytorch概念与基本元素

是基于numpy的科学计算包，提供使用GPU能力的深度学习平台

关键元素：tensors张量，类似于ndarray

3、类型转换（tensor 与 array）

一、基本元素操作

使用pytorch的时候首先要引入torch

from __future__ import print_function
#比当前版本的 python 更新的版本的print函数，可以不写
import torch

1、创建矩阵

未初始化矩阵里没有确切的值，分配给矩阵的内存中有什么数据就穿什么数据，是毫无意义的脏数据。但是有初始化的时候以标准高斯分布重新赋值

指定数据元素用dtype

#创建没有初始化的空矩阵
x=torch.empty(5,3)#无行三列
print(x)
#有初始化
x=torch.rand(5,3)#随机生成
#有初始化的全零矩阵并且数据元素的类型为long（整型）
x=torch.zeros(5,3,dtype=torch.long)#用dtype来指定数据类型
#直接通过数据创建
#一个list通过tensor封装来传入直接构成矩阵
x=torch.tensor([2.5,3.5])
print(x)

torch.rand是包含了从区间[0, 1)的均匀分布中抽取的一组随机数

torch.randn是标准正态分布（均值为0，方差为1，即高斯白噪声）中抽取的一组随机数