卷积核的grad为none_pytorch入门与实践（1）：张量的基本操作和自动微分requires_grad=True...

PyTorch是一个基于Python的库，提供了一个具有灵活易用的深度学习框架，是近年来最受欢迎的深度学习框架之一。

如果你是新新新手，可以先学习以下教程： 深度学习之PyTorch实战-基础学习及搭建环境 PyTorch中文文档

改编自：

(1) DEEP LEARNING WITH PYTORCH: A 60 MINUTE BLITZ

(2) https://www.kesci.com/home/project/5e0038642823a10036ae9ebf/code

1 初识PyTorch

1.1 张量

1.导入pytorch包

import torch

2.创建一个未初始化的5x3张量

x = torch.empty(5, 3)
print(x)
tensor([[2.7517e+12, 7.5338e+28, 3.0313e+32],
        [6.3828e+28, 1.4603e-19, 1.0899e+27],
        [6.8943e+34, 1.1835e+22, 7.0976e+22],
        [1.8515e+28, 4.1988e+07, 3.0357e+32],
        [2.7224e+20, 7.7782e+31, 4.7429e+30]])

3.创建一个随机初始化的5x3张量

x = torch.rand(5, 3)
print(x)
tensor([[0.2218, 0.1979, 0.9491],
        [0.2082, 0.6139, 0.1096],
        [0.1491, 0.5660, 0.7435],
        [0.8009, 0.0788, 0.0223],
        [0.4252, 0.2422, 0.8202]])

4.创建一个5x3的0张量，类型为long

x = torch.zeros(5, 3, dtype=torch.long)
print(x)
tensor([[0, 0, 0],
        [0, 0, 0],
        [0, 0, 0],
        [0, 0, 0],
        [0, 0, 0]])

5.直接从数组创建张量

x = torch.tensor([5.5, 3])
print(x)
tensor([5.5000, 3.0000])

6.创建一个5x3的单位张量，类型为double

x = torch.ones(5, 3, dtype=torch.double)
print(x)
tensor([[1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.]], dtype=torch.float64)

7.从已有的张量创建相同维度的新张量，并且重新定义类型为float

x = torch.randn_like(x, dtype=torch.float)
print(x)
tensor([[ 0.0385,  0.2725,  0.7144],
        [ 0.1436,  0.0642,  0.4125],
        [ 0.2571,  2.0826, -1.0106],
        [-0.4239,  0.6424,  1.3656],
        [-0.4444,  0.5675,  1.3937]])

8.打印一个张量的维度

print(x.size())
torch.Size([5, 3])

9.将两个张量相加

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