pyTorch 快速入門

前言：

疫情太嚴重推遲開學了，可能三月份甚至四月份才開學，這個寒假真長，利用這段時間在家學點東西。如果足夠自律，就能夠充分利用時間；如果足夠自律，就能不斷地補充自己的不足；如果足夠自律，就能紮實深度學習理論基礎；如果足夠自律，就能進一步提公升**能力。

這一年，希望自己能夠自律些，一步步靠近合格的演算法工程師。

這幾天，我對《動手學深度學習 pytorch版》這本書很感興趣，但不熟悉pytorch，所以快速學習一下，作為pytorch的入門，附上pytorch的官方鏈結

pytorch 類似於numpy，而pytorch中的tensors和numpy的ndarray是相似的。

（1）宣告乙個未初始化的矩陣，但在使用前不包含確定的已知值。

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

tensor([[2.3576e-36, 0.0000e+00, 0.0000e+00],
[0.0000e+00, 0.0000e+00, 0.0000e+00],
[0.0000e+00, 0.0000e+00, 2.8026e-45],
[0.0000e+00, 1.1210e-44, 0.0000e+00],
[1.4013e-45, 0.0000e+00, 0.0000e+00]])

（2）構造乙個隨機初始化的矩陣

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

tensor([[0.2031, 0.8195, 0.2181],
[0.4732, 0.4602, 0.8097],
[0.6037, 0.4483, 0.2570],
[0.1677, 0.1944, 0.7259],
[0.3056, 0.8363, 0.1282]])

（3）構造乙個元素全部為零，型別為 long的矩陣

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

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

（4）直接以資料來構造張量

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

tensor([5.5000, 3.0000])

（5）基於現有張量來建立張量（除非使用者提供新的值，否則這些方法將會重用現有張量的屬性，例如 dtype）

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!與上面的xsize相同
print(x)

tensor([[1., 1., 1.],
[1., 1., 1.],
[1., 1., 1.],
[1., 1., 1.],
[1., 1., 1.]], dtype=torch.float64)
tensor([[-0.0929, 0.9791, 0.1481],
[-1.7100, 0.4316, -0.4209],
[-0.6479, 1.5173, -0.3646],
[-1.3288, 2.6447, -0.6539],
[-0.0300, 1.8167, 0.8633]])

print(x.size())
torch.size([5, 3])

（6）向量加減乘除運算

y = torch.rand(5, 3)
#法一print(x + y)
#法二print(torch.add(x, y))
#法三result = torch.empty(5, 3)
torch.add(x, y, out=result)
print(result)
#法四y.add_(x)
print(y)

運算後結果一樣

tensor([[ 0.4184,  0.6502,  0.3735],
[ 2.0532, 0.1959, 0.6630],
[ 1.6664, 0.4967, 0.7961],
[ 0.8452, 1.1509, 0.6831],
[ 1.0740, 0.8284, -0.2371]])
tensor([[ 0.4184, 0.6502, 0.3735],
[ 2.0532, 0.1959, 0.6630],
[ 1.6664, 0.4967, 0.7961],
[ 0.8452, 1.1509, 0.6831],
[ 1.0740, 0.8284, -0.2371]])
tensor([[ 0.4184, 0.6502, 0.3735],
[ 2.0532, 0.1959, 0.6630],
[ 1.6664, 0.4967, 0.7961],
[ 0.8452, 1.1509, 0.6831],
[ 1.0740, 0.8284, -0.2371]])
tensor([[ 0.4184, 0.6502, 0.3735],
[ 2.0532, 0.1959, 0.6630],
[ 1.6664, 0.4967, 0.7961],
[ 0.8452, 1.1509, 0.6831],
[ 1.0740, 0.8284, -0.2371]])

（7）可以類似於numpy的索引

print(x[:, 1])

tensor([ 0.5996, -0.0382,  0.4017,  0.5467,  0.2213])

（8）調整大小

調整張量大小，可使用torch.view：

x = torch.randn(4, 4)
y = x.view(16)
z = x.view(-1, 8) # -1的意思是從其他維度來推斷
print(x.size(), y.size(), z.size())

torch.size([4, 4]) torch.size([16]) torch.size([2, 8])

（9）如果只有乙個元素的張量，可使用.item（）獲取該值

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

tensor([-0.4073])
-0.40732377767562866

（10）torch張量與numpy陣列的轉換

# torch轉為numpy
a = torch.ones(5)
print(a)
b = a.numpy()
print(b)
tensor([1., 1., 1., 1., 1.])
[1. 1. 1. 1. 1.]

# numpy轉為torch
import numpy as np
a = np.ones(5)
b = torch.from_numpy(a)
np.add(a, 1, out=a)
print(a)
print(b)
[2. 2. 2. 2. 2.]
tensor([2., 2., 2., 2., 2.], dtype=torch.float64)

PyTorch快速入門

詳細的pytorch教程可以去pytorch官網的學習指南進一步學習，下面主要對pytorch做簡單的介紹，能夠快速入門。首先pytorch是基於python的科學計算類庫，主要有以下兩個方面的應用作為numpy的替代者，充分利用gpu的計算能力。提供乙個靈活快速的深度學習平台。tensor 與...

Pytorch快速入門

附錄qi 學習經歷博主在半年內近乎從零開始了解深度學習,並直接跳過了機器學習的內容,沒有系統的上過與深度學習有關的課程,也是第一次上手pythorch,且以前也很少用python進行程式設計.幾乎都在用matlab與c 因此一開始接觸起來很吃力,甚至走了不少彎路,在這裡將自己通過學習與交流得到的一...

Pytorch 快速入門（一）

pytorch是facebook 的 ai 研究團隊發布了乙個基於 python的科學計算包，旨在服務兩類場合乙個提供了高度靈活性和效率的深度學習實驗性平台匯入pytorch的包import torchjupyter notebook 現在，pytorch看起來真的像乙個框架了，而純tensor...

pyTorch 快速入門

PyTorch快速入門

Pytorch快速入門

Pytorch 快速入門（一）

相關推薦