PyTorch基础(part2)

学习笔记，仅供参考，有错必究

文章目录

PyTorch基础
- 基本操作
- - 加法
  - 减法/乘法/除法
  - 求和、最大、最小
- 数据的索引
- 求导

PyTorch基础

基本操作

# 导入常用的包
import torch
import numpy as np

加法

a = torch.randint(1, 5, (2, 3))
b = torch.randint(1, 5, (2, 3))
a
b

tensor([[4, 1, 4],[3, 3, 2]])tensor([[3, 4, 2],[1, 3, 2]])

# 加法的3种方式
a + b
torch.add(a, b)
# a与b相加，并将返回值赋值给a
a.add_(b) # 注意：任何使张量会发生变化的操作都有一个后缀"_"，例如: a.add_(), a.sub_()
a

tensor([[7, 5, 6],[4, 6, 4]])tensor([[7, 5, 6],[4, 6, 4]])tensor([[7, 5, 6],[4, 6, 4]])tensor([[7, 5, 6],[4, 6, 4]])

# 构造一个tensor，并将a + b的结果输出到tensor中
r = torch.zeros(2, 3)
torch.add(a, b, out=r)

tensor([[10.,  9.,  8.],[ 5.,  9.,  6.]])

tensor([[10.,  9.,  8.],[ 5.,  9.,  6.]])

减法/乘法/除法

# 减法
a - b

tensor([[4, 1, 4],[3, 3, 2]])

# 乘法(对应元素相乘)
a * b

tensor([[21, 20, 12],[ 4, 18,  8]])

# 除法(对应元素相除)
a/b

tensor([[2.3333, 1.2500, 3.0000],[4.0000, 2.0000, 2.0000]])

# 取余
a%b

tensor([[1, 1, 0],[0, 0, 0]])

# 取整
a // b

D:\software\Anaconda3\lib\site-packages\ipykernel_launcher.py:2: UserWarning: __floordiv__ is deprecated, and its behavior will change in a future version of pytorch. It currently rounds toward 0 (like the 'trunc' function NOT 'floor'). This results in incorrect rounding for negative values. To keep the current behavior, use torch.div(a, b, rounding_mode='trunc'), or for actual floor division, use torch.div(a, b, rounding_mode='floor').

tensor([[2, 1, 3],[4, 2, 2]])

# 矩阵乘法(必须是张量中数据类型相同，才可以相乘)
a = torch.tensor([[1, 0, 2], [0, 1, 1]], dtype = float)
b = torch.ones(3, 5, dtype = float)
a
b
a.dtype, b.dtype
torch.matmul(a, b) # 2*3 * 3*5 => 2*5

tensor([[1., 0., 2.],[0., 1., 1.]], dtype=torch.float64)tensor([[1., 1., 1., 1., 1.],[1., 1., 1., 1., 1.],[1., 1., 1., 1., 1.]], dtype=torch.float64)(torch.float64, torch.float64)tensor([[3., 3., 3., 3., 3.],[2., 2., 2., 2., 2.]], dtype=torch.float64)

求和、最大、最小

# 张量求和、求平均、求中位数、求最大、求最小
a = torch.rand(2, 3)
a
torch.sum(a)
torch.mean(a)
torch.median(a)
torch.max(a)
torch.min(a)

tensor([[0.6162, 0.4631, 0.9147],[0.1778, 0.2920, 0.7270]])tensor(3.1909)tensor(0.5318)tensor(0.4631)tensor(0.9147)tensor(0.1778)

# 最大值所处位置、最小值所处位置
torch.argmin(a)
torch.argmax(a)

tensor(3)tensor(2)

# 对张量中的每个值进行开方/平方
torch.sqrt(a)
a ** 2

tensor([[0.7850, 0.6805, 0.9564],[0.4217, 0.5404, 0.8526]])tensor([[0.3797, 0.2145, 0.8367],[0.0316, 0.0853, 0.5285]])

数据的索引

a = torch.arange(2, 14) # 生成数据
print(a)

tensor([ 2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13])
tensor(5)

print(a[3])
print(a[1:3])
print(a[5:-2])
print(a[6:])

tensor(5)
tensor([3, 4])
tensor([ 7,  8,  9, 10, 11])
tensor([ 8,  9, 10, 11, 12, 13])

idx = [1, 5, 3, 7, 7]
a[idx]

tensor([3, 7, 5, 9, 9])

for t in a:print(t)

tensor(2)
tensor(3)
tensor(4)
tensor(5)
tensor(6)
tensor(7)
tensor(8)
tensor(9)
tensor(10)
tensor(11)
tensor(12)
tensor(13)

求导

z=1n∑i=1n3×yi2,yi=xi+1z=\frac{1}{n} \sum_{i=1}^n 3 \times y_i^2, \; y_i = x_i + 1z=n1∑i=1n3×yi2,yi=xi+1

x = torch.ones((2, 2), requires_grad=True) # 定义2*2的张量，设置为允许计算梯度
x

tensor([[1., 1.],[1., 1.]], requires_grad=True)

y = x + 1
y

tensor([[2., 2.],[2., 2.]], grad_fn=<AddBackward0>)

z = (y**2) * 3
z

tensor([[12., 12.],[12., 12.]], grad_fn=<MulBackward0>)

out_mean = z.mean()
print(out_mean)

tensor(12., grad_fn=<MeanBackward0>)

# 计算 out_mean的梯度(求导)
out_mean.backward()

# out_mean对x进行求导，则x的导数为3
x.grad

tensor([[3., 3.],[3., 3.]])

PyTorch基础(part2)相关推荐

深入浅出Pytorch：02 PyTorch基础知识
深入浅出Pytorch 02 PyTorch基础知识内容属性:深度学习(实践)专题航路开辟者:李嘉骐.牛志康.刘洋.陈安东领航员:叶志雄航海士:李嘉骐.牛志康.刘洋.陈安东开源内容:http ...
第02章 PyTorch基础知识
文章目录第02章 Pytorch基础知识 2.1 张量 2.2 自动求导 2.3 并行计算简介 2.3.1 为什么要做并行计算 2.3.2 CUDA是个啥 2.3.3 做并行的方法补充:通过股票数 ...
深度学习之Pytorch基础教程！
↑↑↑关注后"星标"Datawhale 每日干货 & 每月组队学习,不错过 Datawhale干货作者:李祖贤,Datawhale高校群成员,深圳大学随着深度学习的发展 ...
【深度学习】深度学习之Pytorch基础教程！
作者:李祖贤,Datawhale高校群成员,深圳大学随着深度学习的发展,深度学习框架开始大量的出现.尤其是近两年,Google.Facebook.Microsoft等巨头都围绕深度学习重点投资了一系 ...
PyTorch基础(part5)--交叉熵
学习笔记,仅供参考,有错必纠文章目录原理代码初始设置导包载入数据模型原理交叉熵(Cross-Entropy) Loss=−(t∗ln⁡y+(1−t)ln⁡(1−y))Loss =-( ...
PyTorch基础(part4)
学习笔记,仅供参考,有错必纠文章目录 PyTorch 基础 MNIST数据识别常用代码导包载入数据定义网络结构 PyTorch 基础 MNIST数据识别常用代码 # 支持多行输出 from ...
PyTorch基础(part3)
学习笔记,仅供参考,有错必纠文章目录 PyTorch 基础线性回归常用代码导包生成数据构建神经网络模型非线性回归生成数据构建神经网络模型 PyTorch 基础线性回归常用代码 # ...
PyTorch基础(part1)
学习笔记,仅供参考,有错必究文章目录 PyTorch基础 PyTorch介绍 PyTorch CPU版安装导包构造tensor tensor的基本属性生成数据 PyTorch基础 PyTorc ...
深度学习导论（3）PyTorch基础
深度学习导论(3)PyTorch基础一. Tensor-Pytorch基础数据结构二. Tensor索引及操作 1. Tensor索引类型 2. Tensor基础操作 3. 数值类型 4. 数值类 ...

PyTorch基础(part2)

文章目录

PyTorch基础

基本操作

加法

减法/乘法/除法

求和、最大、最小

数据的索引

求导

PyTorch基础(part2)相关推荐

最新文章

热门文章