pytorch学习笔记——（一）pytorch简介与基础知识

文章目录

文章目录

前言

一、pytorch简介

二、pytorch安装

1.安装Anaconda

2.安装 pytorch

三、pytorch基础知识

1.张量

2.创建tensor

3.张量的操作

1.加法

2.索引操作 

总结

---

前言

本文记录了一些pytorch学习的相关记录，作为本人查询的笔记。

---

一、pytorch简介

PyTorch是由Facebook人工智能研究小组开发的一种基于Lua编写的Torch库的Python实现的深度学习库，目前被广泛应用于学术界和工业界，而随着Caffe2项目并入Pytorch， Pytorch开始影响到TensorFlow在深度学习应用框架领域的地位。总的来说，PyTorch是当前难得的简洁优雅且高效快速的框架。

二、pytorch安装

1.安装Anaconda

step1：进入官网选择合适的版本安装；

step2：安装后可在开始菜单栏查看；

step3：创建虚拟环境；

conda create -n env_name python==version

 创建的虚拟环境：

conda create -n sun python==3.8

conda env list 可用于查询当前安装的虚拟环境

step4：换源，这里使用windows系统，conda换源（清华源）官方换源帮助

2.安装 pytorch

step1：进入pytorch官网PyTorch官网

step2：找到Install，我们需要结合自己情况选择命令并复制下来，然后使用conda下载或者pip下载。

具体安装此处不详细说明。 

三、pytorch基础知识

1.张量

在深度学习中，我们通常将数据以张量的形式进行表示，比如我们用三维张量表示一个RGB图像，四维张量表示视频。

张量维度	代表含义
0维张量	代表的是标量（数字）
1维张量	代表的是向量
2维张量	代表的是矩阵
3维张量	时间序列数据 股价 文本数据 单张彩色图片(RGB)

在PyTorch中，torch.Tensor  是存储和变换数据的主要工具。

可在虚拟工具中使用notebook来实现编程试验：

运行虚拟环境，选择合适的地址，运行notebook：

 

新建内容如图：

2.创建tensor

1.torch.rand()随机初始化矩阵

import torch
x = torch.rand(4, 3) 
print(x)

tensor([[0.5522, 0.4581, 0.3311],
        [0.9411, 0.3355, 0.3388],
        [0.8535, 0.6223, 0.1819],
        [0.1564, 0.0937, 0.8786]])

 2.torch.zero()构造一个矩阵全为 0

import torch
x = torch.zero(4, 3) 
print(x)

tensor([[0, 0, 0],
        [0, 0, 0],
        [0, 0, 0],
        [0, 0, 0]])

常见构造张量的方法：

函数	功能
Tensor(sizes)	基础构造函数
tensor(data)	类似于np.array
ones(sizes)	全1
zeros(sizes)	全0
eye(sizes)	对角为1，其余为0
arange(s,e,step)	从s到e，步长为step
linspace(s,e,steps)	从s到e，均匀分成step份
rand/randn(sizes)	rand是[0,1)均匀分布；randn是服从N(0，1)的正态分布
normal(mean,std)	正态分布(均值为mean，标准差是std)
randperm(m)	随机排列

3.张量的操作

1.加法

import torch
# 方式1
y = torch.rand(4, 3) 
print(x + y)

# 方式2
print(torch.add(x, y))

# 方式3 in-place，原值修改
y.add_(x) 
print(y)

tensor([[1.4521, 0.8000, 1.1564],
        [1.9135, 1.1953, 0.9734],
        [1.6804, 1.0618, 0.2125],
        [0.7221, 0.6130, 1.7743]])
tensor([[1.4521, 0.8000, 1.1564],
        [1.9135, 1.1953, 0.9734],
        [1.6804, 1.0618, 0.2125],
        [0.7221, 0.6130, 1.7743]])
tensor([[1.4521, 0.8000, 1.1564],
        [1.9135, 1.1953, 0.9734],
        [1.6804, 1.0618, 0.2125],
        [0.7221, 0.6130, 1.7743]])

2.索引操作 

需要注意的是：索引出来的结果与原数据共享内存，修改一个，另一个会跟着修改。如果不想修改，可以考虑使用copy()等方法

import torch
x = torch.rand(4,3)
# 取第二列
print(x[:, 1]) 

tensor([0.6358, 0.4822, 0.5770, 0.6834])

y = x[0,:]
y += 1
print(y)
print(x[0, :]) # 源tensor也被改了了

tensor([1.1131, 1.6358, 1.4098])
tensor([1.1131, 1.6358, 1.4098])

PyTorch中的 Tensor 支持超过一百种操作，包括转置、索引、切片、数学运算、线性代数、随机数等等，具体使用方法可参考官方文档。

jupyter notebook运行结果如图：

可进行单块运行，比较方便，推荐使用。

---

 

总结

以上是本次学习的相关整理内容，简单学习了pytorch的相关简介与基础操作。之后将继续深入学习，利用pytorch编写相关程序及深度学习算法，实现更多操作内容。