Pytorch官方教程练习之Pytorch入门

什么是 PyTorch?
PyTorch 是一个基于 Python 的科学计算包，主要定位两类人群：

• NumPy 的替代品，可以利用 GPU 的性能进行计算。
• 深度学习研究平台拥有足够的灵活性和速度

1.定义张量

Tensors 类似于 NumPy 的 ndarrays ，同时 Tensors 可以使用 GPU 进行计算。
导入torch模块

import torch

构造5×5矩阵

x = torch.empty(5, 3) # torch.empty返回未被初始化的随机数，区别于torch.rand（初始化为均匀分布）等.
print(x)
# 输出
tensor([[5.3413e-39, 0.0000e+00, 5.3413e-39],
        [0.0000e+00, 2.6950e-36, 0.0000e+00],
        [2.6950e-36, 0.0000e+00, 2.6950e-36],
        [0.0000e+00, 2.6950e-36, 0.0000e+00],
        [2.6950e-36, 0.0000e+00, 2.6950e-36]])

构造随机初始化矩阵：

x = torch.rand(5, 3) # torch.rand为均匀分布， torch.randn为标准正态分布
print(x)
# 输出
tensor([[ 0.6291,  0.2581,  0.6414],
        [ 0.9739,  0.8243,  0.2276],
        [ 0.4184,  0.1815,  0.5131],
        [ 0.5533,  0.5440,  0.0718],
        [ 0.2908,  0.1850,  0.5297]])

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) # torch.zeros将矩阵值全设为0，可随意数据类型。
print(x)
# 输出
tensor([[ 0,  0,  0],
        [ 0,  0,  0],
        [ 0,  0,  0],
        [ 0,  0,  0],
        [ 0,  0,  0]])

直接使用指定数据，构造张量（tensor）

x = torch.tensor([5.5, 3])
print(x)
# 输出
tensor([ 5.5000,  3.0000])

基于已经存在的 tensor，创建一个tensor。

x = x.new_ones(5, 3, dtype=torch.double)    
# new_* methods take in sizes
print(x)

x = torch.randn_like(x, dtype=torch.float)  
# override dtype!
print(x)                                    
# result has the same size
# 输出
tensor([[1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.]], dtype=torch.float64)
tensor([[ 1.0042,  2.9077,  0.3418],
        [-1.7231, -0.1896,  0.2495],
        [ 1.4710, -0.6653, -0.0418],
        [ 0.4931,  0.7417,  0.3869],
        [ 0.2716, -0.2167, -0.1279]])

获取tensor的维度信息

print(x.size())# or print(x.shape)
# 输出
torch.Size([5, 3])

2.基本操作
加法

y = torch.rand(5, 3)
print(x + y)
# 输出
tensor([[-0.1859,  1.3970,  0.5236],
        [ 2.3854,  0.0707,  2.1970],
        [-0.3587,  1.2359,  1.8951],
        [-0.1189, -0.1376,  0.4647],
        [-1.8968,  2.0164,  0.1092]])
or
print(torch.add(x, y))
or
result = torch.empty(5, 3)
# 提供一个输出 tensor 作为参数
torch.add(x, y, out=result)
print(result)
# 输出
tensor([[-0.1859,  1.3970,  0.5236],
        [ 2.3854,  0.0707,  2.1970],
        [-0.3587,  1.2359,  1.8951],
        [-0.1189, -0.1376,  0.4647],
        [-1.8968,  2.0164,  0.1092]])

覆盖加法

# adds x to y
y.add_(x) # add_()代表把x加到y，并覆盖y原有的值，
# 如x.copy_(y)、x.t_()均会改变原值。
print(y)
# 输出
tensor([[-0.1859,  1.3970,  0.5236],
        [ 2.3854,  0.0707,  2.1970],
        [-0.3587,  1.2359,  1.8951],
        [-0.1189, -0.1376,  0.4647],
        [-1.8968,  2.0164,  0.1092]])

切片

print(x[:, 1]) # 对数组进行切片，：表示选取所有行；1表示切片0到1（但不包括1）范围，即切第0列。
# 输出
tensor([ 0.4477, -0.0048,  1.0878, -0.2174,  1.3609])

改变大小

x = torch.randn(4, 4)
y = x.view(16)# 将4行4列矩阵调整为1维数组16个数，即用view()调整大小。
z = x.view(-1, 8)  # -1表示根据其他参数调整矩阵大小，如，第二个参数为8，-1则表示2，即调整为2行8列矩阵。优点，不用计算，方便。
print(x.size(), y.size(), z.size())
# 输出
torch.Size([4, 4]) torch.Size([16]) torch.Size([2, 8])

获取tensor元素值

x = torch.randn(1)
print(x)
print(x.item())# item()用来获取tensor元素数值，但只能获取一个值， 
# 一般用于tensor的累加。如，running_loss += loss.item() 
#输出
tensor([-0.4464])
-0.44643348455429077

x不只含一个元素张量

x = torch.randn(2, 2)
print(x)
print(x[0, 1])
print(x[0, 1].item())# item()可获取某一指定位置元素值。

参考
http://pytorch123.com/