4. PyTorchの基礎

テンソル

テンソルnumpyのndarrayに類似し、唯一の違いは、テンソル操作はGPUに加速することができるです。

テンソルの構築

• インポート

from __future__ import print_function
import torch

• 5×3マトリックス構成、初期化されていません

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

• ランダムに初期化の5×3行列の構築

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

• すべて-0の建設、長い行列タイプ

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

• 直接テンソルから直接建設データ

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

• 既存のテンソルからテンソルを構築します。これらの方法は、新しいデータがない限り、例えば、データ・タイプを元のテンソル特性を再利用します。

x = x.new_ones(5, 3, dtype=torch.double)      # new_* methods take in sizes
print(x)

x = torch.randn_like(x, dtype=torch.float)    # override dtype!
print(x)                                      # result has the same size

• 得られたテンソルの形状

print(x.size())

torch.Size 戻り値のタプル（タプル）

テンソル操作

• 追加

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

• 文言のもう一つの追加

print(torch.add(x, y))

• 変数として出力

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

• インプレースの追加

# adds x to y
y.add_(x)
print(y)

任意のインプレース操作はになります_終了。例えば：x.copy_(y)、x.t_()それが変更されますx。

• 索引付けの同様のnumpyの種々の上記PyTorchテンソルで使用することができます

print(x)
print(x[:, 1])

• 必要であれば、あなたは使用することができますresize/reshapetensortorch.view

x = torch.randn(4, 4)
y = x.view(16)
z = x.view(-1, 8)  # the size -1 is inferred from other dimensions
print(x.size(), y.size(), z.size())

• あなたが唯一のテンソルの要素のうちの1つを持っている場合は、.itemを使用する（）メソッドは値の内側に置くことができますが、Pythonの値になります。

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

• 各种テンソル操作、包括移調、インデックス化、スライシング、数学演算、線形代数、乱数
  https://pytorch.org/docs/torch

そして、numpyのテンソル間の変換

互いに容易にnumpyのアレイ間にトーチテンソル。

トーチテンソルとnumpyのアレイは、メモリを共有するので、いずれかの変更は、他の変更されます。

• numpyの配列にトーチテンソル

a = torch.ones(5)
print(a)

b = a.numpy()
print(b)

• numpyの配列内の値を変更します

a.add_(1)
print(a)
print(b)

• トーチテンソルに変換numpyのアレイ

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

テンソルにnumpyのターンからnumpyの中のすべてのCPUのサポートやターンのテンソル

CUDAテンソル

使用.to方法を、Tensorそれは別のものに移動することが可能deviceに。

# let us run this cell only if CUDA is available
# We will use ``torch.device`` objects to move tensors in and out of GPU
if torch.cuda.is_available():
    device = torch.device("cuda")          # a CUDA device object
    y = torch.ones_like(x, device=device)  # directly create a tensor on GPU
    x = x.to(device)                       # or just use strings ``.to("cuda")``
    z = x + y
    print(z)
    print(z.to("cpu", torch.double))       # ``.to`` can also change dtype together!

GPU上のテンソル場合は、numpyのを使用するように変換することはできません。