PyTorch入门（一）：什么是PyTorch

pytorch官方网站
PyTorch是一个基于Python的科学计算软件包：numpy的替代品，可使用强大的GPU功能；一个深度学习平台，具有最大的灵活性和最快的速度。

张量（Tensors）
与numpy的ndarrays类似，用于GPU加速计算。

一个未初始化的5行3列矩阵
```
a = torch.empty(5,3)
print(a)
```
输出为

一个随机初始化的5行3列矩阵
```
a = torch.rand(5, 3)
print(a)
```
输出为

一个5行3列，值均为0的矩阵，类型为long
```
a = torch.zeros(5, 3, dtype=torch.long)
print(a)
```
输出为
一个直接给定数值的张量
```
a = torch.tensor([5.5, 3])
print(a)
```
输出为

根据现有的张量创建张量。这些方法将重用输入张量的属性
```
a = a.new_ones(5, 3, dtype=torch.double)
print(a)

a = torch.randn_like(a, dtype=torch.float)
print(a) 
```
输出为
```
print(a.size())
```
输出为

torch.size()是一个元祖，支持所有元祖操作
操作(operations)
操作有多种语法，以加法为例。
```
A.
b= torch.rand(5, 3)
print(a + b)

B.
print(torch.add(a,b))

C.提供一个输出张量作为参数
result = torch.empty(5, 3)
torch.add(x, y, out=result)
print(result)

D.
y.add_(x)
print(y)
```
输出均为

任何改变一个张量位置的操作都是用_固定的,即y.add_(x)会改变y的值

同样可以对张量使用标准numpy操作。

如果想要更改张量的尺寸(size)，使用torch.view
```
x = torch.randn(4, 4)
y = x.view(16)
z = x.view(-1, 8) 
print(x.size(), y.size(), z.size())
```
输出为

通过.item()可以将张量元素的值返回为python数字
```
x = torch.randn(1)
print(x)
print(x.item())
```
输出为

Numpy bridge
Torch Tensor和NumPy阵列将共享其底层内存位置，更改一个将改变另一个

将tensor转为numpy
```
a = torch.ones(5)
print(a)

b = a.numpy()
print(b)

a.add_(1)
print(a)
print(b)
```
输出为

将numpy转为tensor

CUDA Tensors
通过.to方法移动Tensors
使用torch.device将Tensors移入或移出GPU

x = torch.rand(3,2)
if torch.cuda.is_available():
device = torch.device("cuda")        
y = torch.ones_like(x, device=device)  
x = x.to(device) 
z = x + y
print(z)
print(z.to("cpu", torch.double))

输出为

PyTorch入门（一）：什么是PyTorch

猜你喜欢