Pytorch_1_基础

Pytorch基础

1 PyTorch简介

PyTorch是一个使用PyTorch语言的神经网络库，PyTorch 在神经网络领域可替换numpy的模块 。常用的两个神经网络库是Pytorch和Tensorflow，两者各有优劣。

	Pytorch	Tensorflow
优势	动态神经网络 如RNN变化时间长度的输出	分布式训练
劣势		静态神经网络

1.1 Pytorch安装

前往官网Start Locally | PyTorch，使用pip命令行安装。

2 Torch中的基本运算

2.1 Torch或Numpy

​ Torch 自称为神经网络界的 Numpy, 因为他能将 torch 产生的 tensor(张量) 放在 GPU 中加速运算 ，就像 Numpy 会把 array 放在 CPU 中加速运算。numpy与torch具有很好的兼容性，numpy array 和torch tensor可以自由转换。

​

2.2 Torch API

Torch的基本用法：

import torch
data = [[1,2], [3,4]]
tensor = torch.FloatTensor(data)  # 转换成32位浮点 tensor  数据生成

函数：
torch.f(tensor)     ##类比numpy:np.f(nparray)
torch.mm(tensor,tensor)

要学会阅读API！！！

API：torch — PyTorch 2.1 documentation

2.3 Variable与Tensor

Pytorch 0.4以后，Variable被弃用，合并为Tensor

• Variable 变量

​ 存储Tensor的地理位置，如果使用Variable 进行计算，返回的也是同类型的Variable。Variable也可以像Tensor一样进行计算，但是使用Variable计算时，背后有一张计算图（computational graph）。计算图将计算步骤 (节点) 都连接起来, 最后进行误差反向传递的时候, 可一次性计算所有 variable 里的修改幅度 (梯度) 。 而Tensor运算时没有这种运算能力。【Variable包含Tensor数据和其他信息】

• Tensor 张量

​ 张量可以理解为矩阵数据

定义变量和张量：

import torch
from torch.autograd import Variable # torch 中 Variable 模块

# 先生鸡蛋
tensor = torch.FloatTensor([[1,2],[3,4]])
# 把鸡蛋放到篮子里, requires_grad是参不参与误差反向传播, 要不要计算梯度
variable = Variable(tensor, requires_grad=True)

读取Variable中的Tensor数据：

variable.grad  #data.grad Variable变量的梯度
variable  #Variable变量
variable.data  #Variable变量中的Tensor数据
variable.data.numpy()  #Variable变量中的Tensor数据 的numpy形式