【pytorch】学习笔记(一)-张量

时间:2023-12-31 08:27:32

pytorch入门

什么是pytorch

PyTorch 是一个基于 Python 的科学计算包,主要定位两类人群:

  • NumPy 的替代品,可以利用 GPU 的性能进行计算。
  • 深度学习研究平台拥有足够的灵活性和速度

张量

Tensors 类似于 NumPy 的 ndarrays ,同时 Tensors 可以使用 GPU 进行计算。

张量的构造

构造全零矩阵

1.导入

from __future__ import  print_function
import torch

2.构造一个5x3矩阵,不初始化。

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

3.输出

tensor([[0., 0., 0.],
[0., 0., 0.],
[0., 0., 0.],
[0., 0., 0.],
[0., 0., 0.]])

构造随机初始化矩阵

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

构造指定类型的矩阵

构造一个矩阵全为 0,而且数据类型是 long.

Construct a matrix filled zeros and of dtype long:

from __future__ import  print_function
import torch x = torch.zeros(5, 3, dtype=torch.long)
print(x)

使用数据创建张量

x=torch.tensor([5.5,3])
print(x)
tensor([5.5000, 3.0000])

根据已有的tensor来创建tensor

x=torch.tensor([5.5,3])
print(x)
x=x.new_ones(5,3,dtype=torch.double)
print(x)
# 覆盖类型
x=torch.rand_like(x,dtype=torch.float) # 结果具有相同的大小
print(x) #输出自己的维度
print(x.size())

结果

tensor([[1., 1., 1.],
[1., 1., 1.],
[1., 1., 1.],
[1., 1., 1.],
[1., 1., 1.]], dtype=torch.float64)
tensor([[0.6122, 0.4650, 0.7017],
[0.6148, 0.9167, 0.0879],
[0.2891, 0.5855, 0.1947],
[0.3554, 0.2678, 0.5296],
[0.6527, 0.9537, 0.3847]])
torch.Size([5, 3])

张量的操作

张量加法

方式一

y=torch.rand(5,3);
print(x+y)
tensor([[0.7509, 1.1579, 0.1261],
[0.6551, 1.0985, 0.4284],
[1.4595, 0.9757, 1.2582],
[1.0690, 0.7405, 1.7367],
[0.6201, 1.3876, 0.8193]])

方式二

print(torch.add(x,y))
tensor([[0.8122, 1.0697, 0.8380],
[1.4668, 0.2371, 1.0734],
[0.9489, 1.3252, 1.2579],
[0.7728, 1.4361, 1.5713],
[0.7098, 0.9440, 0.4296]])

方式三

print(y.add_(x))

注意

注意 任何使张量会发生变化的操作都有一个前缀 '_'。例如:
x.copy_(y)
,
x.t_()
, 将会改变
x

索引操作

print(x[:,1])
tensor([0.1733, 0.5943, 0.9015, 0.1385, 0.2001])

改变大小

import torch

x=torch.rand(4,4)
y=x.view(16)
z=x.view(-1,8)#-1是不用填从其他的维度推测的
print(x.size(),y.size(),z.size())
torch.Size([4, 4]) torch.Size([16]) torch.Size([2, 8])

获取值

import torch
x=torch.rand(1)
print(x)
print(x.item())
tensor([0.5210])
0.5209894180297852

学习自http://pytorch123.com/SecondSection/what_is_pytorch/