1、安装
镜像安装
pip install --user pandas -i https://pypi.tuna.tsinghua.edu.cn/simple
2、Tensor
1、各种数值数据称为张量
2、常数:scaler : 0阶张量
3、向量:vector : 1阶张量
4、矩阵:matrix :2阶张量
5、3阶张量
3、张量创建的方法
1、torch.Tensor(list)
2、torch.empty()/zeros()/ones()
3、torch.rand()/randint()/randn()
4、张量的方法和属性
1、获取tensor中的数据(当tensor中只有一个元素可用):tensor.item()
2、转化为numpy数组: tensor.numpy()
3、获取形状:tensor.size()/tensor.shape()
4、形状修改:tensor.view([shape])。类似numpy中的reshape,是一种浅拷贝,仅仅是形状 发生改变
5、获取维数:tensor.dim()
6、常用计算方法:tensor.max()/tensor.min()/.std()
7、转置:二维:tensor.t() 高维交换:permute(,,) , transpose(0,2)
8、tensor[1,3] 获取tensor中第一行第三列的值
9、tensor[1,3] =100 对tensor中第一行第三列的位置进行赋值
10、切片
5、tensor的数据类型
1、获取tensor的数据类型:tensord.type
5、tensor的其他操作
1、 x+y\tensor.add(x,y)\x.add(y)两个tensor进行相加,不会对x,y有什么影响。
x.add_(y) #带下划线的方法会对x进行就地修改
2、CUDA中的tensor,torch.cuda.available()测试电脑支持tensor运算
a.实例化device:device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
b.tensor.to(device)#把tensor转化为CUDA支持的tensor,或者CPU支持的tensor
#device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
if torch.cuda.is_available():
device = torch.device("cuda") #cuda device对象
y = torch.ones_like(x, device = device) #创建一个在cuda上的tensor
x = x.to(device) #使用方法把x转为cuda 的tensor
z = x + y
print(z)
print(z.to("cpu", torch.double)) #.to方法也能够同时设置类型