PyTorch学习

一、Pytorch简介

        Pytorch是Meta(前Facebook)的框架，前身是Torch，支持动态图，而且提供了Python接口。是一个以Python优先的深度学习框架，不仅能够实现强大的GPU加速，同时还支持动态神经网络。

        出生地：FaceBook特点：生态强大、入门爽歪歪、代码量少(重点)

        主要调包语言：Python、C/C++评价：入门很快、速度有点慢、学术界的霸主

        入门推荐：想要做学术的同学绝对首选，几乎现在顶会论文的代码都是这个框架写的。

二、环境安装

1.在anaconda新建一个虚拟环境

conda creat -n torch39 python=3.9
conda activate torch39

2.安装pytorch-cpu版本

pip install torch=2.1.0

3.pycharm配置环境

在pycharm中的设置中选择当前虚拟环境。（详见B站讲解）

三、张量的基本使用

1.张量的概念

        张量，英文为Tensor，是机器学习的基本构建模块，是以数字方式表示数据的形式。PyTorch就是将数据封装成张量（Tensor）来进行运算的。PyTorch中的张量就是元素为同一种数据类型的多维数组。在PyTorch中，张量以"类"的形式封装起来，对张量的一些运算、处理的方法被封装在类中。

0维张量：将标量转化为张量得到的就是0维张量

1维张量：将向量转化为张量得到的就是1维张量

2维张量：将矩阵转化为张量得到的就是2维张量

多维张量：将多维数组转化为张量得到的就是多维张量

2.张量的创建

张量的基本创建方式

import torch
import numpy as np
 
 
# torch.tensor根据已有的数据创建张量
# torch.Tensor根据形状创建张量，也可以用来创建指定数据的张量
# torch.IntTensor创建一个整数张量,torch.FloatTensor创建一个浮点数张量,torch.DoubleTensor创建一个双精度浮点数张量
 
# 1.根据已有数据创建张量
def test1():
    # 1.1 创建标量张量
    data = torch.tensor(10)
    print(data)
    # 1.2 numpy创建张量
    data = np.random.randn(2, 3)  # 2行3列
    data = torch.tensor(data)
    print(data)
    # 1.3 列表
    data = [[10., 20., 30.], [40., 50., 60.]]
    data = torch.tensor(data)
    print(data)
 
 
# 2.根据形状创建张量
def test2():
    # 2.1 创建一个形状为(2,3)的张量
    data = torch.Tensor(2, 3)
    print(data)
    # 2.2 如果传递列表，则创建包含列表元素的张量
    data = torch.Tensor([10])
    print(data)
    data = torch.Tensor([[10], [20]])
    print(data)
 
 
def test3():
    # 3.1 创建一个形状为(2,3)的整数张量
    data = torch.IntTensor(2, 3)
    print(data)
    # 3.2 创建一个形状为(2,3)的浮点数张量
    data = torch.FloatTensor(2, 3)
    print(data)
    # 3.3 创建一个形状为(2,3)的双精度浮点数张量
    data = torch.DoubleTensor(2, 3)
    print(data)
 
 
if __name__ == '__main__':
    test1()
    test2()
    test3()

输出结果：