前言
由于大创项目与深度学习和NPL有关所以就是最近在学NPL会不断更新这一方面的东西
刚开始学都不是很明白大家有错误可以向我指正
提示:以下是本篇文章正文内容,下面案例可供参考
一、pytorch的安装
我找了很长时间这个是可行的而且非常详细建议大家仔细观看
二、pytorch的入门操作
1.pytorch中的张量
Tensor
- 各种数值数据称为张量
- 常数:scaler:0阶张量
- 向量: vector:1阶张量
- 矩阵: matrix:2阶张量
张量创建方法:
- torch.Tensor(list)
- torch.empty()/zeros()/ones()
- torch.rand()/randint()rand()
//randn是创建服从正态分布的
代码如下(示例):
import torch
import numpy
import random
t1=torch.Tensor([1,2,3])
print(t1)
t2=torch.rand(3,4)#参数就是几行几列
print(t2)
t3=torch.empty(3,4)
print(t3)
结果如下:
2.张量的方法和属性
数据中只有一个元素的时候要获取元素用的是:tensor.item()
转换为numpy数组的时候: tensor.numpy()
获取形状的时候: tensor.size()获取一个维度可以用:tensor.size(1)
形状变换:tensor.view()//浅拷贝本身的并不改变
获取阶数:tensor.dim()
常用计算方法:tensor.max()/min()
转置:
二维:tensor.t(0,1)
高维:tensor.transpose() /tensor.pormute()
3、tensor数据类型
- 获取tensor的数据类型:tensor.dtype
- 指定数据类型:torch.tensor(array,dtype)
- torch.ones(array,dtype)//array是数组
t2=torch.tensor([2,2,3],dtype=float) print(t2) # print(t1.dtype) t3=torch.ones([2,3],dtype=int) print(t3)
- 修改数据类型:tensor.int()/tensor.float() / tensor.lo
总结
学习了pytorch的入门操作为了大创争取入土