Pytotch学习

Pytotch学习

一、Pytorch是什么？

​ Pytorch是torch的python版本，是由Facebook开源的神经网络框架，专门针对 GPU 加速的深度神经网络（DNN）编程。Torch 是一个经典的对多维矩阵数据进行操作的张量（tensor ）库，在机器学习和其他数学密集型应用有广泛应用。与Tensorflow的静态计算图不同，pytorch的计算图是动态的，可以根据计算需要实时改变计算图。但由于Torch语言采用 Lua，导致在国内一直很小众，并逐渐被支持 Python 的 Tensorflow 抢走用户。作为经典机器学习库 Torch 的端口，PyTorch 为 Python 语言使用者提供了舒适的写代码选择。

二、环境安装

1.anaconda新建虚拟环境

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中环境配置

三、张量的基本使用

1.张量的概念

​ 张量是一个多维数组，它是标量、向量和矩阵概念的推广。在深度学习中，张量被广泛用于表示数据和模型参数。具体来说，张量的“张”可以理解为“维度”，张量的阶或维数称为秩。例如，零阶张量是一个标量，一阶张量是一个向量，二阶张量是一个矩阵，三阶及以上的张量则可以看作是高维数组。

2.张量的创建

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()

运行结果：