莫凡Python学习笔记——PyTorch动态神经网络（一）

内容原文：https://morvanzhou.github.io/tutorials/machine-learning/torch/

PyTorch是什么？

它是一个基于Python的科学计算包，其主要是为了解决两类场景：

1、一种是可以替代Numpy进行科学计算，同时还可以使用张量在GPU上进行加速运算。
2、一个深度学习的研究平台，提供最大的灵活性和速度。

一、Tensors（张量）

Tensors形式是一个和Numpy的ndarrays很像的对象类型，但是性能上有其特殊之处就是可以利用张量在GPU上加速运算。

from __future__ import print_function
import torch

构建一个5*3的矩阵，未初始化的：

x = torch.Tensor(5,3)
print(x)

构建一个随机初始化的矩阵：

x = torch.rand(5,3)
print (x)

获得size：

print(x.size())

torch.Size是一个tuple，支持所有tuple操作。

二、操作
每种操作都有不同的语法，下面以加法为例解释下：
(1)直接使用符号+

y = torch.rand(5,3)
print (x+y)

(2)使用torch.add()函数

print(torch.add(x,y))

(3) 在torch.add()中添加一个out参数，并创建一个Tensors对象来接收out的结果

result = torch.Tensor(5,3)
torch.add(x,y,out=result)
print(result)

(4) 这句中y.add_(x)会替换掉y，也就是：任何改变张量的操作方法都是以后缀 _结尾的， eg : x.t _()，并且替换x。

y.add_(x)
print(y)

关于Tensors的索引和ndarrary一样：

print(x[:,1])

可以使用torch.view来改变tensors的size：

x = torch.rand(4,4)
y = x.view(16)
z = x.view(-1,8)
print(x.size(), y.size(), z.size())

三、NumPy Bridge
tensor和Numpy数组间的相互转化（两者共享同一内存位置，所以一个改变，另一个也会跟着改变）

a = torch.ones(5)
print(a)
b = a.numpy()   #tensors转numpy数组
print(b)
a.add_(1)
print(a)
print(b)

Numpy数组转为tensor

import numpy as np
a = np.ones(5)
b = torch.from_numpy(a)
np.add(a, 1, out=a) #
print(a)
print(b)

CUDA Tensors
可以使用.cuda方法将Tensors移动到GPU上。

if torch.cuda.is_available():
	x = x.cuda()
	y = y.cuda()
	x+y