【黑马程序员自然语言处理实战课程】学习笔记---pytorch基础知识和autograd

目录

1.1什么是pytorch

 1.2pytorch基础语法

 1.3pytorch基本运算

1.4关于torch tensor和numpy array之间的相互转换

2.1autograd基础概念

2.2 关于tensor操作 

---

1.1什么是pytorch

pytorch是一个基于Numpy的科学计算包，向他的使用者提供两大功能

• 作为numpy的替代者，向用户提供GPU强大功能的能力；
• 作为一款深度学习的平台，向用户提供最大的灵活性和速度

pytorch基本元素操作：

• tensor张量：类似于numpy中的ndarray数据结构，最大区别在于tensor可以利用GPU的加速功能。
• 需要先将torch引用进来

  from __future__ import print_function
  import torch

 1.2pytorch基础语法

•  创建一个没有初始化的矩阵

x = torch.empty(5,3)
print(x)

• 创建一个有初始化的矩阵

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

   注意：对比有无初始化矩阵：当声明一个未初始化的矩阵时，它本身不包含任何确切的值，当创建一个未初始化的矩阵时，分配给矩阵的内存中有什么数值就赋值给这个矩阵，本质上是毫无意义的数据

• 创建一个全零 矩阵并可指定数据元素的类型为long

  z=torch.zeros(5,3,dtype=torch.long)
  print(z)

• 直接通过数据创建张量

a=torch.tensor([2.5,3.5])
print(a)

•  通过已有的一个张量创建相同尺寸的张量

 1.3pytorch基本运算

• 加法操作

# 第一种加法
x=torch.rand(5,3)
y=torch.rand(5,3)
print(x+y)