Herramienta Pytorch - conocer pytorch

El elemento básico de operación de pytorch

from __future__ import print_function
import torch

Crear una matriz no inicializada

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

Crear una matriz inicializada

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

Cree una matriz de todos los 0 y especifique el tipo de elemento de datos tan largo

x=torch.zeros(5,3,dtype=torch.long)
print(x)

Crear tensores directamente a partir de datos

x=torch.tensor([2,5,3,5])
print(x)

Crear un nuevo tensor del mismo tamaño a partir de un tensor existente

x=x.new_ones(5,3,dtype=torch.double)
print(x)

Use el método randn_like para obtener tensores del mismo tamaño y use la inicialización aleatoria para asignarles valores

y=torch.randn_like(x,dtype=torch.float)
print(y)

Usa el método .size() para obtener la forma del tensor

print(x.size())

suma

el primer método

x=torch.randn(5,3)
y=torch.randn(5,3)
print(x+y)

el segundo metodo

print(torch.add(x,y))

tercer método

result=torch.empty(5,3)
torch.add(x,y,out=result)
print(result)

La cuarta forma: reemplazo in situ (ejecutando y=y+x)

y.add_(x)
print(y)

Aviso

operación de corte

x[:,1]

cambiar la forma de un tensor

x=torch.randn(4,4)
y=x.view(16)
z=x.view(-1,8)
x.size(),y.size(),z.size()

Si solo hay un elemento en el tensor, puede usar item() para obtener el valor como un número de Python

x=torch.randn(1)
print(x,x.item())

Conversión entre tensor de antorcha y matriz numpy

a=torch.ones(5)
b=a.numpy()
a.add_(1)
print(a,b)

import numpy as np
a=np.ones(5)
b=torch.from_numpy(a)
np.add(a,1,out=a)
print(a,b)

Aviso

Acerca de cuda tensor: el tensor se puede mover a cualquier dispositivo con el método .to()

ventanas

mac

if torch.backends.mps.is_available():
    device=torch.device('mps')
    #cpu上创建x，gpu上创建y
    x=torch.randn(1)
    y=torch.ones_like(x,device=device)
    x=x.to(device)
    #此时x，y都在gpu上
    z=x+y
    print(z)
    #再将z转移到cpu上
    print(z.to('cpu',torch.float32))