小白入门PyTorch | 第一篇:什么是PyTorch?
什么是PyTorch?
这是一个基于Python的科学计算包,主要分入如下2部分:
- 使用GPU的功能代替numpy
- 一个深刻的学习研究平台,提供最大的灵活性和速度
开始学习
Tensors (张量)
Tensors类似于numpy
的ndarrays
,另外还可以在GPU上使用Tensors
来加速计算。
from __future__ import print_function
import torch
构造一个5x3矩阵,不初始化。
x = torch.empty(5, 3)
print(x)
tensor([[1.6932e+22, 7.7144e+31, 6.7109e+22],[1.6486e+22, 4.3605e+27, 2.8929e+12],[7.5338e+28, 1.8037e+28, 3.4740e-12],[1.7743e+28, 6.8239e+16, 1.8832e+34],[1.6078e+19, 4.4721e+21, 5.0789e-11]])
构造一个随机初始化的矩阵:
x = torch.rand(5, 3)
print(x)
tensor([[0.2712, 0.3545, 0.5300],[0.0976, 0.0149, 0.8799],[0.7187, 0.7343, 0.4521],[0.4418, 0.0132, 0.2708],[0.9201, 0.0794, 0.4476]])
构造一个矩阵全为 0,而且数据类型是 long.
x = torch.zeros(5, 3, dtype=torch.long)
print(x)
tensor([[0, 0, 0],[0, 0, 0],[0, 0, 0],[0, 0, 0],[0, 0, 0]])
构造一个张量,直接使用数据:
x = torch.tensor([5.5, 3])
print(x)
tensor([5.5000, 3.0000])
创建一个 tensor 基于已经存在的 tensor。
x = x.new_ones(5, 3, dtype=torch.double)
print(x)x = torch.randn_like(x, dtype=torch.float)
print(x)
tensor([[1., 1., 1.],[1., 1., 1.],[1., 1., 1.],[1., 1., 1.],[1., 1., 1.]], dtype=torch.float64)
tensor([[-1.2157, -0.6880, 0.3270],[-0.3162, -0.2479, 0.8731],[-0.3330, -0.3823, 0.5237],[-1.3132, -0.1246, 0.6706],[ 1.1174, -1.0695, 0.7972]])
获取它的维度信息:
print(x.size())
torch.Size([5, 3])
注意
``torch.Size`` 是一个元组,所以它支持左右的元组操作。
操作
在接下来的例子中,我们将会看到加法操作。
加法: 方式 1
y = torch.rand(5, 3)
print(x + y)
tensor([[-0.4000, 0.0549, 1.2980],[ 0.0748, 0.5602, 1.2120],[ 0.1771, -0.1623, 1.4076],[-0.4690, 0.6656, 0.8570],[ 1.5434, -0.8243, 1.4676]])
加法: 方式2
print(torch.add(x, y))
tensor([[-0.4000, 0.0549, 1.2980],[ 0.0748, 0.5602, 1.2120],[ 0.1771, -0.1623, 1.4076],[-0.4690, 0.6656, 0.8570],[ 1.5434, -0.8243, 1.4676]])
加法: 提供一个输出 tensor 作为参数
result = torch.empty(5, 3)
torch.add(x, y, out=result)
print(result)
tensor([[-0.4000, 0.0549, 1.2980],[ 0.0748, 0.5602, 1.2120],[ 0.1771, -0.1623, 1.4076],[-0.4690, 0.6656, 0.8570],[ 1.5434, -0.8243, 1.4676]])
加法: in-place
# adds x to y
y.add_(x)
print(y)
tensor([[-0.4000, 0.0549, 1.2980],[ 0.0748, 0.5602, 1.2120],[ 0.1771, -0.1623, 1.4076],[-0.4690, 0.6656, 0.8570],[ 1.5434, -0.8243, 1.4676]])
注意
任何使张量会发生变化的操作都有一个前缀 '_'。例如: ``x.copy_(y)``, ``x.t_()``, 将会改变 ``x``.
你可以使用标准的 NumPy 类似的索引操作
print(x[:, 1])
tensor([-0.6880, -0.2479, -0.3823, -0.1246, -1.0695])
改变大小:如果你想改变一个 tensor 的大小或者形状,你可以使用 torch.view
x = torch.randn(4, 4)
y = x.view(16)
z = x.view(-1, 8) # the size -1 is inferred from other dimensions
print(x.size(), y.size(), z.size())
torch.Size([4, 4]) torch.Size([16]) torch.Size([2, 8])
如果你有一个元素 tensor
,可以使用 .item()
来获得这个 tensor
的值 。
x = torch.randn(1)
print(x)
print(x.item())
tensor([-0.4592])
-0.4592222571372986
Numpy转换
将Tensor转换为numpy数组
a = torch.ones(5)
print(a)
tensor([1., 1., 1., 1., 1.])
b = a.numpy()
print(b)
[1. 1. 1. 1. 1.]
看看numpy数组的值如何变化。
a.add_(1)
print(a)
print(b)
tensor([2., 2., 2., 2., 2.])
[2. 2. 2. 2. 2.]
将 numpy
数组转换为Torch
张量
import numpy as np
a = np.ones(5)
b = torch.from_numpy(a)
np.add(a, 1, out=a)
print(a)
print(b)
[2. 2. 2. 2. 2.]
tensor([2., 2., 2., 2., 2.], dtype=torch.float64)
除了 CharTensor
,CPU 上的所有 Tensors
与 NumPy
都可以相互转化
CUDA Tensors
可以通过 .to
方法将 Tensors
转移到任何设备
# 在GPU可用时运行
# 我们将使用 torch.device 对象将 tensors 移入、移出GPU
if torch.cuda.is_available():device = torch.device("cuda") # 创建一共 CUDA设备对象y = torch.ones_like(x, device=device) # 在GPU上直接创建一个 tensorx = x.to(device) # 等价于:x = x.to("cuda")z = x + yprint(z)print(z.to("cpu", torch.double)) # .to() 将同时改变数据类型
tensor([0.5408], device='cuda:0')
tensor([0.5408], dtype=torch.float64)
小白入门PyTorch | 第一篇:什么是PyTorch?相关推荐
- Java小白入门系列 第一篇 写在前面
2018年8月30日 22:00:17 郑州 多云 Sue Java小白入门系列 第一篇 写在前面 写在前面: 首先声明一下,本人也是正在学Java,并不是多么专业人士,只是最近受老师的启发,所 ...
- 微信公众号开发入门教程第一篇
微信公众号开发入门教程第一篇 关键字:微信公众平台开发 作者:方倍工作室 在这篇微信公众平台开发教程中,我们假定你已经有了PHP语言程序.MySQL数据库.计算机网络通讯.及HTTP/XML/CSS/ ...
- Keycloak 入门使用第一篇
Keycloak入门使用第一篇 简介 安装 & 启动服务器 专有名词 & 基本使用 集成Keycloak 理解运行流程 Reference 简介 Keycloak 为现代应用和分布式服 ...
- 八、给小白看的第一篇Python基础教程
本文是第一篇,一共四篇打下Python基础 @Author:Runsen @Date:Writern By 2019/04/15 and supplied By 2020/3/31 @公众号:Pyth ...
- python基础教程怎么看_八、给小白看的第一篇Python基础教程
本文是第一篇,一共四篇打下Python基础 「@Author:Runsen」 「@Date:Writern By 2019/04/15 and supplied By 2020/3/31」 「@公众号 ...
- Java萌新入门的第一篇文章
这篇文章是为了刚入门或者打算入门的萌新们写的,希望看完后能对Java有个初步认识.以后会不定时更新有关Java的干货,就这些要说的,以上. 先介绍下相关背景,不要觉得枯燥,了解一下很有必要. a.计算 ...
- Mendix入门教程第一篇-demo实例
本篇会建立一个入门实例来讲解mendix的基本功能点,包括建立实体.增加页面及权限配置,后续会对每个组件的详细用法做进一步介绍. Mendix项目开发的时候需要先建立或者导入一个项目,然后这个项目就会 ...
- FL studio 20简易入门教程 -- 第一篇 -- 软件介绍与初始化
软件介绍与初始化 文章目录 软件介绍与初始化 前言 一.素材的加载与导入 1. 初始化声卡 2. 导入软音源 3. 加载音效素材 二.基本使用操作 1.midi键盘连接 2.导入及导出 (1)导入素材 ...
- python两个乘号_Python小白入门:第一讲||变量和简单数据类型
在第一讲中,你将学习: 如何使用变量: 如何创建描述性变量名以及如何消除名称错误和语法错误: 字符串是什么,以及如何使用小写.大写和首字母大写方式显示字符串: 使用空白来显示整洁的输出,以及如何剔除字 ...
最新文章
- PHP中foreach详细解读
- 容器网络|深入理解Cilium
- php 根号2计算过程,根号2以及π的计算--关于无理数的畅想
- java 通过id获取html代码_Maven私服安装配置,java通过私服下载代码,并打包后上传到私服(Nexus)...
- Python自省(反射) 与 inspect 模块
- 如何使用python编程画图_【Python开发】使用python中的matplotlib进行绘图分析数据...
- 结构体 可以由多个不同类型的数据构成
- paip.php eclipse output echo 乱码
- sh文件执行的时候卡住的可能原因
- 证明N={1,2,...,n,...}有最大元 黄小宁
- 【提升coding能力】100道Python练习题11-20
- 力扣网-罗马数字转整数
- 了解一下国标和行标的代号
- 图片压缩CompressUtil解析
- 平均股价的时间序列图形_如何用公式表达股票平均价格
- 前端—vue项目—版本介绍
- 2019 年 5 月移动互联网全行业排行榜
- 网络字节序和IP地址详解
- LeetCode-1279. 红绿灯路口
- 随机验证码、用户登录密码验证、手机号加密案例
热门文章
- ASP.NET中IP地址,当前用户的方法属性大整合- -
- PAT甲级1054 The Dominant Color:[C++题解]哈希表、水题
- SpringBoot报错Unsatisfied dependency expressed through field userMapper和Whitelabel Error Page解决方案
- 写入mysql_MySQL写入缓冲区在数据库中的作用( Change Buffer )
- tcp/ip 协议栈Linux内核源码分析15 udp套接字接收流程二
- wireshark 抓包显示 TCP segment of a reassembled PDU的问题
- 释放skb buffer指针引出的指针传递问题
- java mytable_Mybatis-Plus之@TableField字段
- python的replace第i个位置_《原神》第80个绯红玉髓位置一览 第80个绯红玉髓如何获取...
- python代码创建数据库_python创建数据库代码