PyTorch学习进阶1

Pytorch主要特点是能够无缝和python语言整合，方便深度学习模型的构建和调试，以及使用动态计算图模型，灵活地实现各种需要的功能。Pytorch 的高性能和易用性使它拥有很多学术界用户的用户。目前Pytorch场景应用包含：计算机视觉和自然语言处理的应用、推荐系统、语音识别语音合成、以及强化学习的应用。本专栏主要记录PyTorch学习路径。

Tensor（张量）是PyTorch中重要的数据结构，可认为是一个高维数组。它可以是一个数（标量）、一维数组（向量）、二维数组（矩阵）以及更高维的数组。

# 导入库

from __future__ import print_function
import torch as t
t.__version__

# 构建 3x3 矩阵，只是分配了空间
x = t.Tensor(3,3)

# 初始化

x = t.Tensor([[1,2,3,],[3,4,5],[1,4,6]])

# 使用[0,1]均匀分布随机初始化二维数组
x = t.rand(3, 3) 

print(x.size()) # 查看x的形状
x.size()[1], x.size(1) # 查看列的个数, 两种写法等价

#加法三种操作及对比

y = t.rand(3,3)

#第一种写法

x + y

#第二种写法

t.add(x, y)

#第三种写法

result = t.Tensor(3, 3) # 预先分配空间
t.add(x, y, out=result) # 输入到result

#对比函数名带下划线，会改变tensor内容

y.add(x