由于本书篇幅的限制，我们不可能介绍每一个 PyTorch 函数和类（你可能不希望我们这样做）。API 文档和其他教程和示例提供了本书之外的大量文档。在本节中，我们为您提供一些探索 PyTorch API 的指导。

2.7.1 查找模块中的所有函数和类

为了知道可以在模块中调用哪些函数和类，我们调用该dir函数。例如，我们可以查询模块中的所有属性以生成随机数：

import torchprint(dir(torch.distributions))

['AbsTransform', 'AffineTransform', 'Bernoulli', 'Beta', 'Binomial', 'CatTransform', 'Categorical', 'Cauchy', 'Chi2', 'ComposeTransform', 'ContinuousBernoulli', 'CorrCholeskyTransform', 'Dirichlet', 'Distribution', 'ExpTransform', 'Exponential', 'ExponentialFamily', 'FisherSnedecor', 'Gamma', 'Geometric', 'Gumbel', 'HalfCauchy', 'HalfNormal', 'Independent', 'IndependentTransform', 'Kumaraswamy', 'LKJCholesky', 'Laplace', 'LogNormal', 'LogisticNormal', 'LowRankMultivariateNormal', 'LowerCholeskyTransform', 'MixtureSameFamily', 'Multinomial', 'MultivariateNormal', 'NegativeBinomial', 'Normal', 'OneHotCategorical', 'OneHotCategoricalStraightThrough', 'Pareto', 'Poisson', 'PowerTransform', 'RelaxedBernoulli', 'RelaxedOneHotCategorical', 'ReshapeTransform', 'SigmoidTransform', 'SoftmaxTransform', 'StackTransform', 'StickBreakingTransform', 'StudentT', 'TanhTransform', 'Transform', 'TransformedDistribution', 'Uniform', 'VonMises', 'Weibull', '__all__', '__builtins__', '__cached__', '__doc__', '__file__', '__loader__', '__name__', '__package__', '__path__', '__spec__', 'bernoulli', 'beta', 'biject_to', 'binomial', 'categorical', 'cauchy', 'chi2', 'constraint_registry', 'constraints', 'continuous_bernoulli', 'dirichlet', 'distribution', 'exp_family', 'exponential', 'fishersnedecor', 'gamma', 'geometric', 'gumbel', 'half_cauchy', 'half_normal', 'identity_transform', 'independent', 'kl', 'kl_divergence', 'kumaraswamy', 'laplace', 'lkj_cholesky', 'log_normal', 'logistic_normal', 'lowrank_multivariate_normal', 'mixture_same_family', 'multinomial', 'multivariate_normal', 'negative_binomial', 'normal', 'one_hot_categorical', 'pareto', 'poisson', 'register_kl', 'relaxed_bernoulli', 'relaxed_categorical', 'studentT', 'transform_to', 'transformed_distribution', 'transforms', 'uniform', 'utils', 'von_mises', 'weibull']

通常，我们可以忽略以单个开头和结尾的函数__ （Python 中的特殊对象）或以单个开头的 _函数（通常是内部函数）。根据剩余的函数或属性名称，我们可能会猜测该模块提供了各种生成随机数的方法，包括从均匀分布 ( uniform)、正态分布 ( normal) 和多项分布 ( multinomial) 中抽样。

2.7.2. 查找特定函数和类的用法

有关如何使用给定函数或类的更具体说明，我们可以调用该help函数。作为一个例子，让我们探索一下张量ones函数的使用说明。

help(torch.ones)

Help on built-in function ones:ones(...)ones(*size, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) -> TensorReturns a tensor filled with the scalar value `1`, with the shape definedby the variable argument :attr:`size`.Args:size (int...): a sequence of integers defining the shape of the output tensor.Can be a variable number of arguments or a collection like a list or tuple.Keyword arguments:out (Tensor, optional): the output tensor.dtype (:class:`torch.dtype`, optional): the desired data type of returned tensor.Default: if ``None``, uses a global default (see :func:`torch.set_default_tensor_type`).layout (:class:`torch.layout`, optional): the desired layout of returned Tensor.Default: ``torch.strided``.device (:class:`torch.device`, optional): the desired device of returned tensor.Default: if ``None``, uses the current device for the default tensor type(see :func:`torch.set_default_tensor_type`). :attr:`device` will be the CPUfor CPU tensor types and the current CUDA device for CUDA tensor types.requires_grad (bool, optional): If autograd should record operations on thereturned tensor. Default: ``False``.Example::>>> torch.ones(2, 3)tensor([[ 1.,  1.,  1.],[ 1.,  1.,  1.]])>>> torch.ones(5)tensor([ 1.,  1.,  1.,  1.,  1.])

从文档中，我们可以看到该ones函数创建了一个具有指定形状的新张量，并将所有元素的值设置为 1。只要有可能，您应该运行快速测试以确认您的解释：

torch.ones(5)

tensor([ 1.,  1.,  1.,  1.,  1.])

在 Jupyter notebook 中，我们可以使用?在另一个窗口中显示文档。例如，list?将创建与几乎相同的内容，并将help(list)其显示在新的浏览器窗口中。另外，如果我们使用两个问号，比如list??，实现该功能的 Python 代码也会显示出来。

2.7.3. 概括

官方文档提供了大量本书之外的描述和示例。

我们可以通过调用 dirandhelp函数或?在??Jupyter 笔记本中查找 API 使用的文档。

2.7.4. 练习

在深度学习框架中查找任何函数或类的文档。你也可以在框架的官方网站上找到文档吗？

参考

https://d2l.ai/chapter_preliminaries/lookup-api.html

翻译: 2.7. 如何利用帮助文档深入神经网络 pytorch相关推荐

利用DOCX文档远程模板注入执行宏代码
利用DOCX文档远程模板注入执行宏代码简介本地文件中在没有宏代码的情况下,攻击者可以尝试执行远程文件中宏代码.其中来自APT28的最新样本将此技术展现的淋漓尽致.该样本是docx文件,文件内没有任 ...
鱼叉钓鱼：利用 Office 文档进行 DDE 攻击
鱼叉钓鱼:利用 Office 文档进行 DDE 攻击 DDE DDE 是一个自定义字段,用户可插入文档.这些字段允许用户输入简单的说明,包括插入到新文档中的数据及插入位置.攻击者可以创建包含DDE字段 ...
mtk 多国语言翻译工具_多国语言文档工具
mtk 多国语言翻译工具 With the excellent article by David Hecker on documentation running on SitePoint, it se ...
SiMayRAT：利用云文档HTTPS加密传输的远控家族
近期,我们观察到SiMayRAT家族[l2] 在2022年4月有所活动SiMAyRAT是一个远控家族,攻击者通过邮件鱼叉钓鱼方式将病毒植入到受害者后,病毒通过从云端下载第二阶段的控制代码执行,从而达到 ...
qt xml组包_Qt 利用XML文档，写一个程序集合二
XML文档的读写一个根节点,下面每一个子节点代表一个子程序,内容为子程序名字,图标路径,exe路径 /* * 读取XML配置文档 */ static int count_flag = 0; void ...
如何利用石墨文档进行团队协作
目录开始使用石墨文档团队协作创建团队空间并邀请协作伙伴加入协作编辑创建文档批注开始使用石墨文档打开石墨文档官网点击右上角"进入石墨" 根据提示注册石墨文档账号团 ...
利用交叉文档的attention信息来促进关键词生成
题目: Keyphrase Generation with Cross-Document Attention 网址: https://arxiv.org/pdf/2004.09800.pdf 代码地址 ...
如何将PDF文档进行翻译？PDF文档翻译简单方法介绍
如今PDF格式的文档运用的十分广泛,有时候由于工作的需要,要求我们将一篇PDF中文文档翻译成英文,这简直是让人崩溃啊,更何况是PDF格式的文件又不像word一样可以直接复制粘贴进浏览器中翻译,所以很多 ...
怎样将PDF文档进行翻译？PDF文档翻译简单方法介绍
如今PDF格式的文档运用的十分广泛,有时候由于工作的需要,要求我们将一篇PDF中文文档翻译成英文,这简直是让人崩溃啊,更何况是PDF格式的文件又不像word一样可以直接复制粘贴进浏览器中翻译,所以很多 ...

翻译: 2.7. 如何利用帮助文档深入神经网络 pytorch

2.7.1 查找模块中的所有函数和类

2.7.2. 查找特定函数和类的用法

2.7.3. 概括

2.7.4. 练习

参考

翻译: 2.7. 如何利用帮助文档深入神经网络 pytorch相关推荐

最新文章

热门文章

翻译: 2.7. 如何利用帮助文档 深入神经网络 pytorch

2.7.1 查找模块中的所有函数和类

2.7.2. 查找特定函数和类的用法

2.7.3. 概括

2.7.4. 练习

参考

翻译: 2.7. 如何利用帮助文档 深入神经网络 pytorch相关推荐

最新文章

热门文章

翻译: 2.7. 如何利用帮助文档深入神经网络 pytorch

翻译: 2.7. 如何利用帮助文档深入神经网络 pytorch相关推荐