pytprch最基本的操作物件是tensor(張量)，它表示乙個多維矩陣，類似於numpy的ndaarrays,張量可以在gpu上做高速計算
使用步驟：
構造乙個初始化矩陣：torch.rand
全0矩陣：torch.zeros
全1矩陣:torch.ones
pytorch基本資料型別
inttensor of size()------------>對應python中int
floattensor of size()------------>對應python中int
inttensor of size[d1,d2====]------------>對應python中int array
floattensor of size()------------>對應python中float array
import torch
a=torch.randn(2,
3)# 正態分佈
b=torch.rand(2,
3)# 生成均勻分布的隨機數
c=torch.zeros(2,
3)d=torch.ones(2,
2,3)
print
(a.size(0)
)# 可以指定維度
print
(a.shape)
print
(a)print
(b)print
(c)print
(d)print
(a.type()
)# torch.floattensor
print
(isinstance
(a,torch.floattensor)
)e = torch.tensor([6
,2],dtype=torch.float32)
print
(e)e.
type
(torch.int32)
# 型別轉換
print
(e)
torch.full 填充
torch.empty 為空
torch.rand 隨機數
torch.randn 均值為0，方差為1
torch.randint隨機整數
torch.add 加法
torch.tensor 建立
torch.torch.from_numpy(numpy矩陣):numpy轉換為tensor
torch.reshape 改變形狀
torch.numel 統計數目
torch.view 檢視
torch.arrange 範圍
torch.linspace 間隔
torch.eye 對角線
torch.cat 連線
torch.index_select 根據索引選擇
torch.narrow 縮小
torch.t 轉置
torch.take 根據索引獲取元素
torch.transpose 轉置
torch.split分割
import torch
import numpy as np
# tensor方法
t1 = torch.rand(1,
2)a = torch.is_tensor(t2)
print
(a)# 建立乙個全0 tensor
t3 = torch.zeros(3,
2)num = torch.numel(t3)
# 建立對角線為1的tensor
t4 = torch.eye(3,
3)print
(t4)
# 將numpy轉化為tensor
n = np.array([1
,2,3
,4])
t5 = torch.from_numpy(n)
print
(int
)# 切分
t6 = torch.linspace(1,
10,steps=5)
# 從1開始到10，切分成5份
print
(t6)
# 建立均勻分布,值在0到1之間
t7 = torch.rand(10)
print
(t7)
# 建立正態分佈
t8 = torch.randn(10)
print
(t8)
# 選擇隨機數 從1到10
t9 = torch.randperm(10)
# 生成乙個固定區間的數
t10 = torch.arange(1,
10,3)
# 從1到10，步長為3
# 獲取行或列的最小值和最大值索引
x = torch.randint(1,
99,(3
,3))
t11 = torch.argmin(x,dim=0)
t12 = torch.argmax(x,dim=0)
# 連線
y = torch.randint(1,
10,(2
,3))
t13 = torch.cat(y,y,dim=1)
# 1是橫軸
# 切塊
z= torch.randint(1,
10,(3
,3))
torch.chunk(a,2,
0)# 根據索引選擇
m = torch.randn(4,
4)index= torch.tensor([0
,2])
# 輸出0行和第2行
t15 = torch.index_select(m,
0,index)
# 分割
n = torch.tensor([1
,2,3
,4,5
,6,7
])t16 = torch.split(n,3)
# 將n切分成3份
# 轉置
p = torch.tensor([[
1,3]
[2,4
]])p.transpose(1,
0)p.t(
)# tensor運算
t17 = torch.tensor([[
1,2]
[3,4
]])torch.add(t17,1)
# 所有元素加1
torch.mul(t17,2)
# 所有元素乘2
深度學習 Pytorch學習筆記（一）
pytorch中需要自己定義網路模型，該模型需要封裝到乙個自定義的類中，該類只是乙個子類，其繼承的父類為torch.nn.module，可見如下樹形結構圖 module實際又是繼承了object類，關於為什麼要繼承object類有興趣的可以看這篇部落格mro演算法 也就是說，自定義的模型除了要有 i...
Pytorch 學習筆記
本渣的pytorch 逐步學習鞏固經歷，希望各位大佬指正，寫這個部落格也為了鞏固下記憶。a a b c 表示從 a 取到 b 步長為 c c 2 則表示每2個數取1個 若為a 1 1 1 即表示從倒數最後乙個到正數第 1 個 最後乙個 1 表示倒著取 如下 陣列的第乙個為 0 啊，第 0 個！彆扭 ...
Pytorch學習筆記
資料集 penn fudan資料集 在學習pytorch官網教程時，作者對penn fudan資料集進行了定義，並且在自定義的資料集上實現了對r cnn模型的微調。此篇筆記簡單總結一下pytorch如何實現定義自己的資料集 資料集必須繼承torch.utils.data.dataset類，並且實現 ...