Pytorch基础学习

奔跑的小仙女

已于 2022-02-17 10:35:57 修改

阅读量705

点赞数

分类专栏：深度学习文章标签： Pytorch基础学习

于 2020-01-11 13:33:11 首次发布

本文链接：https://blog.csdn.net/qq_43211132/article/details/103906450

版权

本文介绍了PyTorch中的Tensor基础知识，包括与NumPy的转换、GPU与CPU间的转换以及多种Tensor操作。同时，讲解了Variable的概念，强调其与Tensor的相似性和额外的属性，如.data、.grad和.grad_fn。文章还详细阐述了自动求导机制，通过实例展示了如何进行复杂的梯度计算，并说明了连续自动求导的限制和解决办法。

摘要由CSDN通过智能技术生成

Tensor

import torch
x1 = torch.Tensor([3,4])
x2 = torch.FloatTensor([4,4])
x3 = torch.randn(3,4)

pytorch与numpy之间的转换

import numpy as np
numpy_tensor = np.random.randn(10,20)
pytorch_tensor = torch.from_numpy(numpy_tensor)  #numpy转换pytorch
new_numpy_tensor = pytorch_tensor.numpy()  #pytorch转numpy

GPU tensor和CPU tensor之间的转换

x = torch.randn(3,4)
x_gpu = x.cuda(0)
x_gpu = x.cuda(1)
x_cpu = x_gpu.cpu()
x_array = x_gpu.cpu().numpy()   #先转换CPU再转换成numpy

两种方式将Tensor放到GPU上

#第一种：定义cuda数据类型
dtype = torch.cuda.FloatTensor   #定义默认GPU的数据类型
gpu_tensor = torch.randn(10,20).type(dtype)

#第二种：简单推荐使用
gpu_tensor = torch.randn(10,20).cuda(0)  #将tensor放到第一个GPU上
gpu_tensor = torch.randn(10,20).cu