pytorch学习笔记（一）-----基础使用篇

这是学习pytorch的学习笔记，个人记录篇

pytorch是一个基于Python的科学计算包，目标用户有两类

• 为了使用GPU来替代numpy
• 一个深度学习研究平台：提供最大的灵活性和速度

张量Tensor类似于numpy,但是可以使用GPU来进行相关的计算。

创建数组：
x = torch.Tensor(5, 3) 维度
x = torch.zeros(5, 3, dtype=torch.long) 维度 类型
x = torch.tensor([5.5, 3]) 内容
x = x.new_ones(5, 3, dtype=torch.double)
x = torch.randn_like(x, dtype=torch.float)

查看尺寸：
print(x.size())

执行加法;
1.y = torch.rand(5, 3)
print(x + y)
2.print(torch.add(x, y))
3.result = torch.empty(5, 3)
torch.add(x, y, out=result)
4.y.add_(x)

** 注意**
任何在原地(in-place)改变张量的操作都有一个_后缀。例如x.copy_(y), x.t_()操作将改变x.

你可以使用所有的numpy索引操作。
print(x[:, 1])

调整维度
x = torch.randn(4, 4)
y = x.view(16)
z = x.view(-1, 8) # -1的意思是没有指定维度
print(x.size(), y.size(), z.size())

更多操作详见

Torch 与 numpy的相互转化：
a.numpy()
注意转换后的数组的值会跟随torch的值而变化
b = torch.from_numpy(a)
所有在CPU上的张量，除了字符张量，都支持在numpy之间转换。

CUDA张量

可以使用.to方法将张量移动到任何设备上。

# let us run this cell only if CUDA is available
# We will use ``torch.device`` objects to move tensors in and out of GPU
if torch.cuda.is_available():
    device = torch.device("cuda")          # a CUDA device object
    y = torch.ones_like(x, device=device)  # directly create a tensor on GPU
    x = x.to(device)                       # or just use strings ``.to("cuda")``
    z = x + y
    print(z)
    print(z.to("cpu", torch.double))       # ``.to`` can also change dtype together!