Python深度学习之Pytorch初步使用

编辑: admin 分类: python 发布时间: 2021-12-24 来源:互联网
目录
  • 一、Tensor
  • 二、Pytorch如何创建张量
    • 2.1 创建张量
    • 2.2 tensor与ndarray的关系
    • 2.3 常用api
    • 2.4 常用方法
  • 三、数据类型
    • 3.1 获取数据类型
  • 四、tensor的其他操作
    • 4.1 相加
    • 4.2 tensor与数字的操作
  • 五、CUDA中的tensor

    一、Tensor

    Tensor(张量是一个统称，其中包括很多类型)：

    0阶张量：标量、常数、0-D Tensor；1阶张量：向量、1-D Tensor；2阶张量：矩阵、2-D Tensor；……

    二、Pytorch如何创建张量

    2.1 创建张量

    import torch
	
	t = torch.Tensor([1, 2, 3])
	print(t)

    在这里插入图片描述

    2.2 tensor与ndarray的关系

    两者之间可以相互转化

    import torch
import numpy as np

t1 = np.array(torch.Tensor([[1, 2, 3],
        [1, 2, 3]]))
t2 = torch.Tensor(np.array([[1, 2, 3],
        [1, 2, 3]]))

    运行结果：

    在这里插入图片描述

    2.3 常用api

    torch.empty(x,y)

    创建x行y列为空的tensor。

    在这里插入图片描述

    torch.ones([x, y])

    创建x行y列全为1的tensor。

    在这里插入图片描述

    torch.zeros([x,y])

    创建x行y列全为0的temsor。

    在这里插入图片描述

    zeros与empty的区别

    后者的数据类型是不固定的。

    torch.rand(x, y)

    创建3行4列的随机数，随机数是0-1。

    在这里插入图片描述

    torch.randint(low, high, size)

    创建一个size的tensor，随机数为low到high之间。

    在这里插入图片描述

    torch.randn([x, y])

    创建一个x行y列的tensor，随机数的分布式均值为0，方差1。

    2.4 常用方法

    item()：

    获取tensor中的元素，注意只有一个元素的时候才可以用。

    在这里插入图片描述

    numpy()：

    转化成ndarray类型。

    在这里插入图片描述

    size()

    获取tensor的形状。

    在这里插入图片描述

    view()

    浅拷贝，tensor的形状改变。

    可以传参，表示获取第几个。若参数为-1，表示不确定，与另一个参数的乘积等于原始形状的乘积。 例如：原始形状为8，则view(-1,2) ⇒ view(4, 2)； 参数只有-1，表示一维。

    在这里插入图片描述

    dim()

    获取维度。

    在这里插入图片描述

    max()

    获取最大值。

    在这里插入图片描述

    t()

    转置。

    在这里插入图片描述

    transpose(x,y)

    x，y是size里面返回的形状相换。

    在这里插入图片描述

    permute()

    传入size()返回的形状的顺序。

    在这里插入图片描述

    transpose与permute的区别

    前者传入列即可相互交换；后者传入列会根据传入的顺序来进行转化，且需要传入所有列数的索引。

    取值[第一阶, 第二阶,……]

    一个逗号隔开代表一个阶乘冒号代表全取

    在这里插入图片描述

    赋值[第一阶, 第二阶,……]

    直接赋值即可

    在这里插入图片描述

    三、数据类型

    在这里插入图片描述

    3.1 获取数据类型

    tensor.dtype

    获取数据类型

    在这里插入图片描述

    设置数据类型

    注意使用Tensor()不能指定数据类型。

    在这里插入图片描述

    type()

    修改数据类型。

    在这里插入图片描述

    四、tensor的其他操作

    4.1 相加

    torch.add(x, y)

    将x和y相加。

    在这里插入图片描述

    直接相加

    在这里插入图片描述

    tensor.add()

    使用add_() 可相加后直接保存在tensor中

    在这里插入图片描述

    4.2 tensor与数字的操作

    tensor + 数值

    在这里插入图片描述

    五、CUDA中的tensor

    CUDA (Compute Unified Device Architecture)，是NVIDIA推出的运算平台。CUDATM是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。
    torch.cuda这个模块增加了对CUDA tensor的支持，能够在cpu和gpu上使用相同的方法操作tensor通过.to方法能够把一个tensor转移到另外一个设备(比如从CPU转到GPU)

    可以使用torch.cuda.is_available()判断电脑是否支持GPU

    到此这篇关于Python深度学习之Pytorch初步使用的文章就介绍到这了,更多相关Pytorch初步使用内容请搜索hwidc以前的文章或继续浏览下面的相关文章希望大家以后多多支持hwidc！

    【本文转自：潜江网站推广 网络转载请说明出处】
    更多阅读