Pytorch基础

Pytorch基础

PyTorch官方文档笔记

PyTorch入门

Tensors（张量）

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

import torch

构造一个5×３的矩阵,不初始化。

x = torch.empty(5, 3)
print(x)

构造一个随机初始化的矩阵。

x = torch.rand(5, 3)
print(x)

构造一个数据类型为long的全0矩阵。

x = torch.zeros(5, 3, dtype=torch.long)
print(x)

构造一个张量，直接使用数据：

x = torch.tensor([5, 3])
print(x)

tensor.rand:创建一组均匀分布的随机数
tensor.randn:创建一组正态分布的随机数
tensor.ones:创建一组全为1的数组
tensor.zeros：创建一组全为0的数组

基于一个已经存在的tensor创建tensor。

x = torch.randn_like(x, dtype=torch.float)
print(x)
# 获取维度信息
print(x.size())

操作

加法：
方法一：不改变x，y

x = torch.ones(2, 2)
y = torch.ones(2, 2)
print(x + y)
print(x, y)

方法二：不改变x，y，可提供一个输出

x = torch.ones(2, 2)
y = torch.ones(2, 2)
result = torch.empty(2, 2)
print(torch.add(x, y, out=result))
print(x)
print(y)
print(result)

方法三：改变x，y

x = torch.ones(5, 3)
y = torch.ones(5, 3)
y.add_(x)
print(x)
print(y)

任何使张量会发生变化的操作都有一个前缀’_’。

乘法

1. 元素相乘
   tensor.mul,torch.mul()

x1 = torch.tensor([[2, 2], [2, 2]])
x2 = torch.tensor([[1, 2], [3, 4]])
print(torch.mul(x1, x2))
print(x1.mul(x2))
print(x1*x2)

2. 矩阵相乘
   torch.matmul(),tensor @ tensor

x1 = torch.tensor([[2, 2], [2, 2]])
x2 = torch.tensor([[1, 2], [3, 4]])
print(torch.matmul(x1, x2))
print(x1 @ x2)

索引
可以使用Numpy类似的索引操作。

x = torch.rand(3,2)
print(x)
print(x[:, 1])

调整大小
可以使用 torch.view改变一个tensor的大小。

x = torch.randn(3, 2)
print(x)
y = x.view(6)
print(y)

取值
使用.item可以获得tensor的value

x = torch.randn(1)
print(x)
print(x.item())

属性
形状、数据类型、tensor位置
tensor.shape:Shape of tensor.
tensor.dtype:Datatype of tensor.
tensor.device:Device tensor is stored on.
GPU
把tensor放到GPU上。

tensor = x
if torch.cuda.is_available():
    tensor = tensor.to('cuda')
print(tensor.device)

连接
torch.cat：沿着指定的维度连接tensor，增加现有维度的值 tensor的size必须相同
torch.stack：增加一个维度

a = torch.tensor([[1, 2]