【pytorch项目培训学习笔记】

课堂问题

1. 安装anaconda,pycharm, CUDA+CuDNN（可选），虚拟环境，pytorch，并实现hello pytorch查看pytorch的版本
   比较简单，遇到了win10下NIVIDIA显卡无法使用的问题，解决方案见链接 最后一个控制面板可装可不装
2. 张量与矩阵、向量、标量的关系是怎么样的？
   张量从工程的角度讲就是一个数组，它可以是标量，向量，或者矩阵或者更高维数组，它的目的在于简化和加速计算。
3. Variable“赋予”张量什么功能？
   Variable用于对Tensor的封装以实现自动求导，但0.4.0以后，Variable并入Tensor，并多加了dtype，shape，device三个属性变量。
4. 采用torch.from_numpy创建张量，并打印查看ndarray和张量数据的地址
   见下图
5. 实现torch.normal()创建张量的四种模式
   见下图

##============================Week one=========================================##
import torch as t
import numpy as np

##==============================打印pytorch版本==================================

print("Hello,pytorch {}".format((t.__version__)))
print(t.cuda.is_available())

##========== 采用torch.from_numpy创建张量，并打印查看ndarray和张量数据的地址=======

a = np.ones([2, 3], dtype=np.float32)
print(id(a))
b = t.from_numpy(a)
print(b)
a[0,1] = 100
print(b)
print(id(b))

##===========================torch.normal()生成张量的四种形式======================

mean = t.tensor([1,2,3],dtype=t.float32)
std = t.tensor([1,1,1], dtype=t.float32)
print(t.normal(mean, std))

means=t.arange(0,10,dtype=t.float32)
stds =t.arange(0,1,0.1,dtype=t.float32)
print(t.normal(means, stds))

means=t.arange(0,10,dtype=t.float32)
# stds =t.arange(0,1,0.1,dtype=t.float32)
print(t.normal(means, 0.5))

# means=t.arange(0,10,dtype=t.float32)
stds =t.arange(0,1,0.1,dtype=t.float32)
print(t.normal(0.5, stds))

# means=t.arange(0,10,dtype=t.float32)
# stds =t.arange(0,1,0.1,dtype=t.float32)
print(t.normal(0.5, 0.5, mean.size()))