动手学深度学习v2笔记-Day0-入门

动手学深度学习v2

Day 0

---

0x00 安装pytorch

各个版本直接引用官网代码安装即可
2022.09.22 Mac M1 版本安装代码如下

conda install pytorch torchvision torchaudio -c pytorch

0x01 数据操作

1.入门

import torch

x = torch.arange(10)        # 生成一个一行十列的张量
x.shape                     # torch.Size([10]) 看下这个张量的形状/维度
x.numel()                   # 输出 10 数据的个数
x.reshape((2, 5))           # 将张量变形为 两行五列
torch.zeros((2, 2, 5))      # 生成两个 两行 五列 数据全为0的张量
torch.ones((2, 2, 5))       # 生成两个 两行 五列 数据全为1的张量       
torch.zeros_like(x)         # 生成一个维度与x完全一致内容均为0的张量
torch.randn((2,2,3))        # 生成两个 两行 三列 数据随机的张量
torch.tensor(([0.0, 1, 2, 3], [2, 3, 3, 3], [4, 5, 6, 34])) # 将数据转换为tensor格式

2.计算

x = torch.tensor([1.0, 2, 3, 4])
y = torch.tensor([2, 4, 6, 8])
# 生成两个张量
x + y
x - y
x * y
x / y
x ** y                      # 对应元素乘方
torch.exp(x)                # e的x对应元素次幂
x = torch.arange(12, dtype=torch.float32).reshape(3, 4)
y = torch.arange(12, dtype=torch.float32).reshape(3, 4)
torch.cat((x, y), dim=0)    # 按行合并两个tensor 输出 6行 4列
torch.cat((x, y), dim=1)    # 按列合并两个tensor 输出 3行 8列
print(x == y)               # 按元素比较值是否相同并输出相应的二值矩阵 True||False 可以用来统计IoU值

3.广播机制

通过适当复制元素来扩展一个或两个数组，以便在转换之后，两个张量具有相同的形状，其次对生成的数组执行按元素操作，大多数情况下沿着数组中长度为1的轴进行广播。

简单来说，一般将数字为1的维度进行复制，复制到合适维度后进行数据计算。

m = torch.arange(12).reshape((12, 1))
n = torch.arange(12).reshape((1, 12))
print(m.shape)      # 12行 1列
print(n.shape)      # 1行 12列
print(m + n)        # 可以看出 m复制列 n复制行 然后进行相加

4.索引&切片

基本类似python的索引切片

x = torch.arange(12).reshape((3,4))
x[0, 1]         # tensor(1)
x[:, 0:2]       # tensor([[0, 1],
                #         [4, 5],
                #         [8, 9]])
x[0:1, 0:2]     # tensor([[0, 1]])

5.内存&格式转换

x = torch.tensor([1,2,3], [3,4,5], [4,5,6])
i = x.numpy()           # 转numpy
j = torch.tensor(i)     # numpy或者其他数据转tensor张量

0x02 数据预处理

掌握numpy pandas的使用
用到的时候查就行了，没什么多说的