动手学习深度学习-pytorch最新版

最近大佬们重新对动手学习深度学习进行修改，加入了pytorch实现的方式，今天发布了最新版，正在完善中，将自己今天的学习笔记记录在此，由于全英文的内容，自己翻译可能不太对，请多多指教！

#!H:\pytorch
# -*- coding:utf-8 -*- 
#Author: Tangzhao
#content:pytorch

# 数据操作

# 导入pytorch
import torch
# 多维数组代表多维的数值，一维数组代表一个矢量，二维数组表示一个矩阵，超过两位的数组我们称为张量（tensors)

# 首先我们创建一个以0开头的行向量，包括12个元素，默认的数据类型为float，一个新的数组存储在主存中，并基于cpu的计算
x = torch.arange(12)  # arange(x) 创建一个x以内的张量
print(x)  # tensor([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11])

# 获取张量的形状可以用x.shape
print(x.shape)  # torch.Size([12])

#  total number of elements in an ndarray
print(x.size())

# 改变张量的形状
x1 = x.reshape((3,4))  # 括号内的数据为需要得到的数据形状，第二维可以不用写，用-1表示，它会默认随着第一维的变化而变化
print(x1)
"""
tensor([[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]])
"""
x2 = x.reshape((3,-1))
print(x2)
"""
tensor([[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]])
"""

# 空方法获取一块内存并返回一个矩阵，而不必费心更改其任何项的值。这非常高效，但我们必须小心，因为条目可能取任意值，包括非常大的值!
x3 = torch.empty(2,3)  # 得到的是一个任意的值，可能为0，也可能为很大的数
print(x3)
"""
tensor([[0., 0., 0.],
        [0., 0., 0.]])
"""

# want our matrices initialized either with zeros, ones, some other constant
x4 = torch.zeros(2,3,4)
print(x4)
"""
tensor([[[0., 0., 0., 0.],
         [0., 0., 0., 0.],
         [0., 0., 0., 0.]],

        [[0., 0., 0., 0.],
         [0., 0., 0., 0.],
         [0., 0., 0., 0.]]])

"""

x5