目录
1.4关于torch tensor和numpy array之间的相互转换
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)