import torch
import numpy as np
a = torch.randn(2, 3) # 隨機初始化乙個2行3列的矩陣
print(a)
print(a.type()) # torch.floattensor
print(type(a)) # print(isinstance(a, torch.floattensor)) # true
print(torch.tensor(1.)) # tensor(1.)
print(torch.tensor(1.3)) # tensor(1.3000)
a = torch.tensor(2.2)
print(a.shape)
print(a.shape)
print(torch.size())
print(a.size())
print(torch.tensor([1.1])) # tensor([1.1000])
print(torch.tensor([1.1, 2.2])) # 二維
print(torch.floattensor(1)) # tensor([1.8014e+25])
print(torch.floattensor(2)) # tensor([2.0000, 0.0081])
print(torch.floattensor(3)) # tensor([2.0000, 0.0081, 0.0000])
a = torch.randn(2, 3)
print(a)
print(a.shape) # torch.size([2, 3])
print(torch.size([2, 3]))
print(a.size(0)) # 2
print(a.shape[0]) # 2
print(a.size(1)) # 3
print(a.shape[1]) # 3
# rnn input batch
a = torch.rand(1, 2, 3)
print(a)
print(a.shape) # torch.size([1, 2, 3])
print(a[0])
print(list(a.shape)) # [1, 2, 3]
a = torch.rand(2, 3, 28, 28)
print(a)
print(a.shape) # torch.size([2, 3, 28, 28])
print(a[0])
print(torch.size([2, 3, 28, 28])) # torch.size([2, 3, 28, 28])
print(a.numel()) # 4704 = 2 * 3 * 28 *28
print(a.dim()) # 4
# torch.floattensor用於生成資料型別為浮點型的tensor，傳遞給torch.floattensor的引數可以是乙個列表，也可以是乙個緯度值
a = torch.floattensor(2, 3)
b = torch.floattensor([1, 2, 3, 4])
print(a)
print(b)
a = torch.randn(2, 3)
print(a)
print(a.type)
print(type(a))
print(isinstance(a, torch.floattensor))
print(isinstance(a, torch.cuda.floattensor))
# # 將 a 搬到 cuda上
# a = a.cuda()
# print(isinstance(a, torch.cuda.floattensor))
# 建立 0 維張量(矩陣)
loss = torch.tensor(1.)
print(loss) # tensor(1.)
print(type(loss)) # print(len(loss.shape)) # 0
print(loss.size()) # torch.size()
# 建立 1 維張量
bias = torch.tensor([1.1])
print(bias) # tensor([1.1000])
print(type(bias)) # print(bias.size()) # torch.size([1])
print(len(bias.shape)) # 1
bias1 = torch.tensor([1.1, 2.2])
print(bias1) # tensor([1.1000, 2.2000])
bias2 = torch.floattensor(10) # 建立一維陣列
print(bias2) # tensor([-1.8891e+26])
data = np.ones(2)
print(data) # [1. 1.]
torch_data = torch.from_numpy(data) # 從numpy 轉為 tensor
print(torch_data) # tensor([1., 1.], dtype=torch.float64)
# 二維資料
a = torch.randn(2, 3)
print(a)
print(a.shape)
# a.size(0): 第一維度資訊 a.size(1): 第二維度資訊
print('第乙個維度：%d 第二個維度：%d' % (a.size(0), a.size(1)))
# 三維向量 適用於線性批次輸入
a = torch.rand(2, 3, 3)
print(a)
print(a.shape) # torch.size([2, 3, 3])
print(a[0])
print(a[1])
print(a.size(0)) # 2
print(a.size(2)) # 3
print(list(a.shape)) # [2, 3, 3]
# 4維
a = torch.rand(2, 3, 5, 5)
print(a)
print(a.shape)
print(a.numel()) # 占用記憶體
print(a.dim) # 統計維度
什麼是PyTorch，為何要使用PyTorch
pytorch 是torch7 團隊開發的，從它的名字就可以看出，其與torch 的不同之處在於pytorch 使用了python 作為開發語言。所謂 python first 同樣說明它是乙個以python 優先的深度學習框架，不僅能夠實現強大的gpu 加速，同時還支援動態神經網路，這是現在很多主...
Pytorch學習 1 pytorch簡介
pytorch簡介 1 pytorch簡介 1.1 pytorch的大概 pytorch不是簡單的封裝 lua torch 提供python介面，而是對當下tensor之上的模組進行重構，並增加了最先進的自動求導系統，成為當下最流行的動態圖框架。pytorch是乙個基於torch的python開源機...
pytorch基礎學習 1
剛剛接觸了tensorflow,現在對pytorch也有很大的興趣，說到底，這些機器學習庫都是工具，技多不壓身，2016年到現在也不到三年的庫，發展這麼快必然有它的道理，廢話不多，開始學習吧。包torch包含了多維張量的資料結構以及基於其上的多種數學操作。另外，它也提供了多種工具，其中一些可以有效的...