pytroch教程（一）

pytroch基础使用

深度学习模型

回归问题（线性回归、逻辑回归）；分类问题
神经网络：SNN、 ANN、 **CNN、RNN、LSTM、GRU **…
拓展的模型：Seq2Seq with Attention、TCN、DBN

用pyTroch构建模型框架

1、主流的工具

pyTroch：动态计算图——通俗易懂，接近原生python代码
Tensorflow：静态计算图

2、应用

图像——分类ResNet、识别；自然语言处理——翻译、情感分析、问答系统GPT2

3、 构建模型

输入——> 模型（架构+超参数）——> 输出

一、入门

一、tensor张量

tensors类似于Numpy的ndarrays，可以使用GPU进行计算

构造一个5*3的矩阵，不进行初始化

x=torch.empty(5,3)   #随机数填充，没有大小范围

构造一个随机初始化的矩阵

	x = torch.rand(5, 3)

构造一个矩阵全为 0，而且指定数据类型

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

构造一个张量，直接使用数据

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

创建一个 tensor 基于已经存在的 tensor

	x = x.new_ones(5, 3, dtype=torch.double)  #.new_ones重用原来的信息
	x = torch.randn_like(x, dtype=torch.float)  #随机产生一个跟上一个向量形状相同的向量

获得tensor的维度

x.size()  或者 x.shape()

二、简单运算

1、加法

x = torch.rand(5, 3)
y = torch.rand(5, 3)
1、z = x+y)    #z = 两个tensor相加，其 形状与x、y相同
2、z = torch.add(x,y)
3、y.add_(x)   #会把相加的结果保存在y
note：任何的in_place运算都是以下划线结尾，如 x.copy_(y)  会将结果放于x上

2、改变大小

改变大小：如果想改变一个 tensor 的大小或者形状，可以使用 torch.view

x = torch.randn(4, 4)
y