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/reshape
tensor
torch.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。