一.Pytorch安装
pip3 install torch torchvision torchaudio
在ipython中查看pytorch版本
二.张量Tensor介绍与使用
1.什么是张量
张量是一个统称，其中包含很多类型：
-
0阶张量：标量、常数scaler
-
1阶张量：向量vector
-
2阶张量：矩阵natrix
-
3阶张量. . .
阶指的是一个数组里边形状的个数
2.pytorch中创建张量
2.1使用python中的列表或者序列创建tensor
import torch
a1 = torch.Tensor([1, 2, 3])
print(a1)
2.2使用numpy中的数组创建tensor
array1 = torch.Tensor(np.arange(12).reshape(3, 4))
print(array1)
2.3使用torch的api创建tensor
import torch
# 创建3行4列全为空的tensor
print(torch.empty(3, 4))
# 创建3行4列全为1的tensor
print(torch.ones(3, 4))
# 创建3行4列全为0的tensor
print(torch.zeros(3, 4))
# 创建3行4列随机值的tensor,随机值区间为[0,1)
print(torch.rand(3, 4))
# 创建3行4列的随机整数的tensor,随机值的区间是0-10
print(torch.randint(low=0, high=10, size=[3, 4]))
print(torch.randint(0, 10, (3, 4)))
# 创建3行4列的随机数tensor,随机值的分布式均值为0，方差为1
print(torch.randn(3, 4))
3.张量的方法和属性
3.1 获取tensor中数据（只有一个元素）tensor.item()
t1 = torch.Tensor([[[1]]])
print(t1.item()) # 1.0
3.2 转换为numpy数组
t2 = torch.Tensor([[[1, 2]]])
print(t2.numpy()) ##[[[1. 2.]]]
3.3 获取形状 tensor.size()
print(t2.size()) ## torch.Size([1, 1, 2])
#获取第一个维度的值
print(t2.size(1)) ## 1
3.4 形状改变 tensor.view()
类似numpy中的reshape,是一种浅拷贝，仅仅是形状发生改变
x = torch.randn(4, 4)
print(x.size()) # torch.Size([4, 4])
y = x.view(16)
print(y.size()) # torch.Size([16])
# -1表示该维度取决于其他维度的大小，即(4x4)/8=2
z = x.view(-1, 8)
print(z.size()) # torch.Size([2, 8])
# 改变为更多维度
m = x.view(2, 2, 2, 2)
print(m.size()) # torch.Size([2, 2, 2, 2])
# 转换维度为一维，有一种简单的方式，即参数为 -1
print(t2.view([-1])) # tensor([3., 5., 8.])
3.5 获取维度 tensor.dim()
print(m.dim()) # 4
3.6 最大值最小值 tensor.max()
print(x.max())
print(x.min())
3.7 转置
tensor.t() 适用于二维
t5 = torch.randn([2,2])
t6 = torch.t(t5)
print(t5)
print(t6)
结果如下
tensor.transpose()
t3 = torch.Tensor(np.arange(24).reshape(2, 3, 4))
print(t3.size()) # torch.Size([2, 3, 4])
# 把第二个和第一个维度数据交换
t4 = t3.transpose(0, 1)
print(t4.size()) # torch.Size([3, 2, 4])
tensor.permute()
t3 = torch.Tensor(np.arange(24).reshape(2, 3, 4))
print("t3",t3.size()) # torch.Size([2, 3, 4])
# 把第一个维度放到最后
t7 = t3.permute(1, 2, 0)
print("t7",t7.size()) # torch.Size([3, 4, 2])
3.8 取值，切片，赋值
3.9 数据类型
指定数据类型
torch.tensor(array,dtype)
torch.ones(array,dtype)
获取数据类型
tensor.dtype
修改数据类型
tensor.float()/long()/int()
三.tensor的其他操作
1.tensor之间运算
torch.add(x,y)
x.add(y)
x.add_(y) 带下划线的方法会对x的值进行就地修改
2.tensor和数字操作
3.CUDA中的tensor
支持返回True,否则为False
print(torch.cuda.is_available())
