pytorch 初学笔记

第一次用pytorch

环境安装：

-OS:Windows7

-Python 3.6.1

-Anaconda:4.4.0

在windows环境下安装pytorch详见：https://zhuanlan.zhihu.com/p/26871672

安装完以后写了最简单的代码测试能不能导入pytorch包：

报错from torch._C import * ImportError: numpy.core.multiarray failed to import #2731

解决办法如下：https://github.com/pytorch/pytorch/issues/2731

在cmd环境下写一句话 pip install numpy -I

C:\Uses\Yourname>pip install numpy -I

如果不知道怎么用cmd环境下pip安装包的同学可以看

http://www.cnblogs.com/yuanzm/p/4089856.html

安装好以后检查环境：

import numpy
import torch
if __name__ == '__main__':
    #CUDA Test
    x = torch.Tensor([1.0])
    xx=x.cuda()
    print(xx)

AssertionError: 
Found no NVIDIA driver on your system. Please check that you
have an NVIDIA GPU and installed a driver from

证明我的CUDA是不能用的因为我没有NVIDIA驱动

检查CUDNN Test能不能用：

# CUDNN TEST
from torch.backends import cudnn
print(cudnn.is_acceptable(xx))

在我这检查不了，毕竟cuda都用不了

pytorch 介绍：

np.ndarray<-> torch. Tensor

支持numpy中200多种操作

very fast acceleration on NVIDIA GPUs

如果你有一个CPU上的tensor,

你写 torch.cuda，它就会变成GPU的tensor

Varible是tensor的封装

import torch
from torch.autograd import Variable

tensor = torch.FloatTensor([[1,2],[3,4]])
variable=Variable(tensor,requires_grad=True)
print (tensor)
print(variable)
结果：

Running C:/Study/pytest/pytest.py
 1  2
 3  4
[torch.FloatTensor of size 2x2]
Variable containing:
 1  2
 3  4
[torch.FloatTensor of size 2x2]

注意矩阵的点乘和矩阵的平方是不一样的：

矩阵点乘：

# matrix multiplication 矩阵点乘
data = [[1,2], [3,4]]
tensor = torch.FloatTensor(data)  # 转换成32位浮点 tensor
# correct method
print(
    '\nmatrix multiplication (matmul)',
    '\nnumpy: ', np.matmul(data, data),     # [[7, 10], [15, 22]]
    '\ntorch: ', torch.mm(tensor, tensor)   # [[7, 10], [15, 22]]
)

矩阵乘方：
t_out = torch.mean(tensor*tensor)       # x^2
v_out = torch.mean(variable*variable)   # x^2
print(t_out)
print(v_out)    # 7.5
结果是：
[torch.FloatTensor of size 2x2]
7.5
Variable containing:
 7.5000
乘方的意思就是
tensor*tensor
Out[1]: 
  1   4
  9  16

但是时刻记住, Variable 计算时, 它在背景幕布后面一步步默默地搭建着一个庞大的系统, 叫做计算图, computational graph. 这个图是用来干嘛的? 原来是将所有的计算步骤 (节点) 都连接起来, 最后进行误差反向传递的时候, 一次性将所有 variable 里面的修改幅度 (梯度) 都计算出来, 而 tensor 就没有这个能力啦.

直接print(variable)只会输出 Variable 形式的数据, 在很多时候是用不了的(比如想要用 plt 画图), 所以我们要转换一下, 将它变成 tensor 形式.

（来自莫烦的教程）

print(variable)     #  Variable 形式
"""
Variable containing:
 1  2
 3  4
[torch.FloatTensor of size 2x2]
"""

print(variable.data)    # tensor 形式
"""
 1  2
 3  4
[torch.FloatTensor of size 2x2]
"""

print(variable.data.numpy())    # numpy 形式
"""
[[ 1.  2.]
 [ 3.  4.]]
"""