pytorch学习(二)——笔记

目录

    • 1.数据类型
    • 2.创建Tensor
      • 2.1 import form numpy
      • 2.2 import from list
      • 2.3 uninitialized
      • 2.4 set default type
      • 2.5 randn
      • 2.6 linspace/logspace
    • 3. 维度变换
      • 3.1 View reshape 保证numel()一致即可
      • 3.2 unsqueeze
      • 3.3 举个例子
      • 3.4 repeat
      • 3.5 permute
    • 4. Broadcast自动扩展
      • 4.1 key idea
      • 4.2 Is it broadcasting-able?
      • 4.3 It's effective and critically,intuitive

1.数据类型

python数据类型和pytorch数据类型的对比
pytorch学习(二)——笔记_第1张图片

2.创建Tensor

2.1 import form numpy

pytorch学习(二)——笔记_第2张图片

2.2 import from list

pytorch学习(二)——笔记_第3张图片

2.3 uninitialized

pytorch学习(二)——笔记_第4张图片

2.4 set default type

pytorch学习(二)——笔记_第5张图片

2.5 randn

pytorch学习(二)——笔记_第6张图片

2.6 linspace/logspace

pytorch学习(二)——笔记_第7张图片

3. 维度变换

3.1 View reshape 保证numel()一致即可

pytorch学习(二)——笔记_第8张图片

3.2 unsqueeze

在-1维度后面插入,从-5到5,不包含5
这里尽量不要使用负数,容易混淆
pytorch学习(二)——笔记_第9张图片

3.3 举个例子

这里的bias相当于给每个channel上的所有像素增加一个偏置
pytorch学习(二)——笔记_第10张图片

3.4 repeat

repeat()里面的数就是要拷贝的次数,repeat会导致不能使用原来的数据
pytorch学习(二)——笔记_第11张图片

3.5 permute

pytorch学习(二)——笔记_第12张图片

4. Broadcast自动扩展

4.1 key idea

size一致,可进行对应位置元素相加
pytorch学习(二)——笔记_第13张图片

4.2 Is it broadcasting-able?

小维度指定,大维度随意
pytorch学习(二)——笔记_第14张图片

4.3 It’s effective and critically,intuitive

pytorch学习(二)——笔记_第15张图片

你可能感兴趣的:(pytorch,人工智能,深度学习)