pytorch学习-pytorch和numpy中数组操作

最新推荐文章于 2024-07-14 14:03:52 发布

嗨皮lemon

最新推荐文章于 2024-07-14 14:03:52 发布

阅读量8.9k

点赞数 3

分类专栏： pytorch 文章标签： code

pytorch 专栏收录该内容

3 篇文章 0 订阅

订阅专栏

PyTorch作为Torch在Python上的扩展，被比喻为神经网络领域的Numpy。与Numpy类似，它支持在GPU上进行tensor运算以加速计算。然而，PyTorch在进行数组操作时，通常需要将数据转换为32位浮点数。

摘要由CSDN通过智能技术生成

PyTorch 是 Torch 在 Python 上的衍生.
因为 PyTorch 是一个使用 Python语言的神经网络库, Torch 很好用, 但是 Lua 又不是特别流行, 所有开发团队将 Lua 的 Torch 移植到了更流行的语言 Python 上.
Torch 自称为神经网络界的 Numpy, 因为他能将 torch 产生的 tensor 放在 GPU 中加速运算 (前提是你有合适的 GPU), 就像 Numpy 会把 array 放在 CPU 中加速运算.

#实现pytorch和numpy中数组的转化
import numpy as np
import torch

np_data=np.arange(6).reshape((2,3))
torch_data=torch.from_numpy(np_data)
tensor2array=torch_data.numpy()

print(np_data)
print(torch_data)
print(tensor2array)

输出结果：

[[0 1 2]
 [3 4 5]]
tensor([[0, 1, 2],
        [3, 4, 5]])
[[0 1 2]
 [3 4 5]]

numpy对数组直接操作，torch需要换成32位的浮点数

import numpy as np
import torch

data=[-1,-2,1,2]
tensor=torch.FloatTensor(data)

print(np.sin(data))
print(torch.sin(tensor))

print(np.abs(data))
print(torch.abs(tensor))

print(np.mean(data))
print(torch.mean(tensor))

arr=[[1,2],[3,4]]
ten=torch.FloatTensor(arr)

print(np.matmul(arr,arr))
print(torch.matmul(ten,ten))

newarr=np.array(arr)
print(newarr.dot(newarr))
#print(ten.dot(ten))
#这样是报错的， torch 会转换成 [1,2,3,4].dot([1,2,3,4) = 30.0

输出：

[-0.84147098 -0.90929743  0.84147098  0.90929743]
tensor([-0.8415, -0.9093,  0.8415,  0.9093])
[1 2 1 2]
tensor([1., 2., 1., 2.])
0.0
tensor(0.)
[[ 7 10]
 [15 22]]
tensor([[ 7., 10.],
        [15., 22.]])
[[ 7 10]
 [15 22]]