Pytorch基本操作

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