PyTorch学习笔记1——PyTorch介绍

PyTorch是Torch在Python上的衍生，与TensorFlow不同的是，它在搭建神经网络时不是先建立好一个静态图，然后再把数据放到图计算，而是一个动态的过程，边搭图边计算。

PyTorch与Numpy对比：
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，就像Numpy会把array放在CPU中加速运算。不过，torch和Numpy能够很好地兼容，自由地相互转换Numpy array和torch tensor。

PyTorch数据的数学中详细介绍了各种运算函数。
例如：
numpy数据与torch数据相互转换

np_data = np.arange(6).reshape((2,3))
torch_data = torch.from_numpy(np_data)
tensor2array = torch_data.numpy()
''' output
numpy [[0 1 2]
 [3 4 5]] 
torch tensor([[0, 1, 2],
        [3, 4, 5]], dtype=torch.int32) 
tensor2array [[0 1 2]
 [3 4 5]]
 '''

点积

data = [[1,2],[3,4]]
tensor = torch.FloatTensor(data)
data = np.array(data)
print(
    '\nnumpy:',data.dot(data),
    '\ntorch:',tensor.dot(tensor)
)
print('numpy:',data.dot(data))
print('torch:',tensor.dot(tensor))
''' output
numpy: [[ 7 10]
 [15 22]]
 RuntimeError: dot: Expected 1-D argument self, but got 2-D

（新版本torch只支持1D矩阵的点积）