Pytorch学习笔记（一）

张量的学习：

张量是一种特殊的数据结构，张量可以在GPU或者其他软件中运行

import torch
import numpy as np

1、直接生成张量

data=[[1,2],[3,4]]
x_data=torch.tensor(data)

注：torch.tensor() 单一数据元素的多维矩阵 当 requires_grad=False 不计算梯度 =True时，计算梯度

2、通过numpy数组来生成张量

np_array=np.array(data)
x_np=torch.from_numpy(np_array)

注：torch.from_numpy( ) 把数组转换成张量，二者可以共享内存

3、通过已有的张量来生成新的张量

x_ones=torch.ones_like(x_data) #保留x_data 的属性
print(f"ones tensor: \n{x_ones}\n")
x_rand=torch.rand_like(x_data,dtype=torch.float)  # 重写x_data的数据类型由整形转换为浮点型
print(f"ones tensor: \n{x_rand }\n")

注：torch.one_like() 生成全1的张量

      torch.zeros_like() 生成全0的张量

     torch.rande_like() 生成随机数填充的张量

4、通过指定的数据维度来生成张量

shape=(2,3,)
rand_tensor=torch.rand(shape)
ones_tensor=torch.ones(shape)
zeros_tensor=torch.zeros(shape)
print(f"Random Tensor:\n{rand_tensor}\n")
print(f"Random Tensor:\n{ones_tensor}\n")
print(f"Random Tensor:\n{zeros_tensor}\n")

注：torch.rand() 生成随机数

tensor=torch.rand(3,4)
print(f"shape of tensor:{tensor.shape}")
print(f"datatype of tensor:{tensor.dtype}")
print(f"device tensor is stored on: {tensor.device}")

5、判断当前环境gpu是否可用，然后将tensor导入GPU中运行

if torch.cuda.is_available():
    tensor=tensor.to('cuda')

6、张量的索引与切片

tensor=torch.ones(4,4)
tensor[:,1]=0  #将第一列的数据全部赋值为0
print(tensor)

注：张量的拼接

 x1 = torch.tensor([[11,21,31],[21,31,41]],dtype=torch.int)
 x1.shape # torch.Size([2, 3])
 # x2
 x2 = torch.tensor([[12,22,32],[22,32,42]],dtype=torch.int)
 x2.shape  # torch.Size([2, 3])
 'inputs为２个形状为[2 , 3]的矩阵 '
 inputs = [x1, x2]
 print(inputs)
 # x=torch.cat(inputs, dim=0).shape
 y=torch.cat(inputs,dim=2)
 print(y)

torch.cat(inputs,dim=?) 将一组张量按照指定的维度进行拼接  dim需要进行相应的变换

torch.stack(inputs,dim=?)沿着维度对输入张量序列进行拼接  0<=dim

t1=torch.cat([tensor,tensor,tensor],dim=1)
print(t1)

7、张量的乘法和矩阵的乘法

# 逐个元素相乘
print(f"tensor.mul(tensor):\n{tensor.mul(tensor)}\n")
# 等价写法
print(f"tensor @ tensor.T:\n{tensor @ tensor.T}\n")

8、自动的赋值运算

print(tensor,"\n")
tensor.add_(5)
print(tensor)

9、Tensor与numpy的转化

t=torch.ones(5)
print(f"t:{t}")
n=t.numpy()
print(f"n:{n}")

10、修改张量的值，则numpy array 数组值也会随之改变

t.add(1)
print(f"t:{t}")
print(f"n:{n}")
n=np.ones(5)
t=torch.from_numpy(n)
np.add(n,1,out=n)
print(f"t:{t}")
print(f"n:{n}")

tensor.matmul 两个张量的矩阵乘法