pytorch学习1-基础知识

1.张量

Tensor(张量)类似于NumPy的ndarray,但还可以在GPU上使用来加速计算。

(1)创建一个没有初始化的5*3矩阵

import torch
x = torch.empty(5,3)
print(x)

在这里插入图片描述

(2)创建一个随机初始化矩阵

x = torch.rand(5,3)
print(x)

在这里插入图片描述

(3)构造一个填满0且数据类型为long的矩阵

x = torch.zeros(5,3,dtype=torch.long)
print(x)

在这里插入图片描述

(4)直接从数据构造张量

x = torch.tensor([5.5, 3])
print(x)

在这里插入图片描述

(5)根据已有的tensor建立新的tensor。除非用户提供新的值,否则这些方法将重用输入张量的属性。

x = x.new_ones(5, 3, dtype=torch.double)      # new_* methods take in sizes
print(x)
x = torch.randn_like(x, dtype=torch.float)    # 重载 dtype!
print(x)                                      # 结果size一致

在这里插入图片描述
在这里插入图片描述

2.运算

一种运算有多种语法。在下面的示例中,我们将研究加法运算。

(1)加法:形式一

y = torch.rand(5, 3)
print(y)
print(x + y)

在这里插入图片描述

(2)加法:形式二

print(torch.add(x,y))

在这里插入图片描述

(3)加法:形式三,给定一个输出张量作为参数

result = torch.empty(5,3)
torch.add(x,y,out=result)
print(result

在这里插入图片描述

(4)加法:原位/原地操作(in-place)

任何一个in-place改变张量的操作后面都固定一个_。例如x.copy_(y)、x.t_()将更改x

# adds x to y
y.add_(x)
print(y)

在这里插入图片描述

(5)也可以使用像标准的NumPy一样的各种索引操作

print(x[:, 1])

在这里插入图片描述

(6)改变形状:如果想改变形状,可以使用torch.view

x = torch.randn(4, 4)
y = x.view(16)
z = x.view(-1, 8)  # the size -1 is inferred from other dimensions
print(x.size(), y.size(), z.size())

在这里插入图片描述

(7)仅包含一个元素的tensor,可以使用.item()来得到对应的python数值

x = torch.randn(1)
print(x)
print(x.item())

在这里插入图片描述

3.桥接 NumPy

将一个Torch张量转换为一个NumPy数组是轻而易举的事情,反之亦然。
Torch张量和NumPy数组将共享它们的底层内存位置,因此当一个改变时,另外也会改变。

(1)将torch的Tensor转化为NumPy数组

a = torch.ones(5)
print(a)

在这里插入图片描述

b = a.numpy()
print(b)

在这里插入图片描述
NumPy数组是如何改变里面的值的:

a = a.add_(1)
print(a)
print(b)

在这里插入图片描述

(2)将NumPy数组转化为Torch张量

改变NumPy数组是如何自动改变Torch张量的:

import numpy as np
a = np.ones(5)
b = torch.from_numpy(a)
np.add(a, 1, out=a)
print(a)
print(b)

在这里插入图片描述

4.CUDA上的张量

张量可以使用.to方法移动到任何设备(device)上:

# 当GPU可用时,我们可以运行以下代码
# 我们将使用`torch.device`来将tensor移入和移出GPU
if torch.cuda.is_available():
    device = torch.device("cuda")          # a CUDA device object
    y = torch.ones_like(x, device=device)  # 直接在GPU上创建tensor
    x = x.to(device)                       # 或者使用`.to("cuda")`方法
    z = x + y
    print(z)
    print(z.to("cpu", torch.double))       # `.to`也能在移动时改变dtype

在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值