PyTorch简介

shame_Joker

已于 2024-03-20 10:41:33 修改

阅读量256

点赞数 3

文章标签： pytorch 人工智能 python

于 2024-03-19 16:50:47 首次发布

本文链接：https://blog.csdn.net/shame_Joker/article/details/136846633

版权

初识PyTorch

定义张量
张量的运算
两个张量的矩阵乘法，需要调用PyTorch的 mm (即matrix multiply的意思)命令，它的作用就是矩阵相乘。

其中，y.t 表示矩阵y的转置。
张量的基本运算还有很多，包括相加（与numpy相同）、换位、索引、切片、数学运算、线性算法和随机数等，详见PyTorch官方文档。
张量与NumPy数组之间的转换
从numpy到张量的转换可以使用 from_numpy(a)，其中 a 为一个numpy数组。反过来，从张量到numpy的转换可以使用 a.numpy()，其中 a 为一个PyTorch张量。

除了这种直接转换，大多数时候还需要按照类型进行转换。例如，可以用torch.FloatTensor(a)将numpy类型的数组a转化为一个float类型的张量。与此类似，可以用torch.LongTensor(a)将numpy类型的数组a转化为一个整数类型的张量。
GPU上的张量运算
PyTorch 中的很多张量运算与NumPy 中的数组运算一样，那么 PyTorch 为什么还要发明张量而不直接用NumPy 的数组呢？答案是，PyTorch中的张量可以在 GPU 中计算，这大大提高了运算速度，而 NumPy数组却不能。
首先，要完成GPU上的运算，需要确认你的计算机已经安装了GPU并且可以正常操作。可以用如下方法进行验证：

torch.cuda.is_available()

如果返回True就表明GPU已经正常安装，否则将无法使用GPU。当确认可以使用之后，你只需要将定义的张量放置到GPU上即可。例如，将 x、y放到GPU上，你只需要输入如下代码即可：

if torch.cuda.is_available():
    x = x.cuda()
    y = y.cuda()
    print(x+y)

返回如下：

tensor([[-0.5796, -0.2013,  0.8858],
        [ 2.3588,  0.0218, -0.2338]], device='cuda:0')

注意，最后一行多出来的 cuda:0表明当前这个输出结果 x+y是存储在GPU上的。
当然，你的计算机版本设置可能不支持GPU，如果你希望获得GPU 资源，可以考虑在云服务器平台上运行。
我们也可以将已存储在 GPU上的变量再 “卸载”到CPU上，只需要输人以下命令即可：

x = x.cpu()

如果你的计算机本来就没有GPU，那么执行上述语句就会报错，所以最好是在前面加上 if torch.cuda.is_available() 进行判断。

关注