pytorch深度学习入门-1

动手学深度学习

发现了一个不错的教程，《动手学深度学习》，在此记录这个过程中出现的一些问题。

搭建自己的pytorch环境

这个网上的教程很多，首先配置python环境，如果就是做数据处理工作的同学，感觉就直接搭建anaconda作为自己的python环境，然后可以下载一个Pycharm作为IDE，可以理解为python代码编辑器，后面在下一下torch包（也就是所说的pytorch环境，因为我们用的是python语言，所以称之为pytorch），后面就可以开始编程了。

初识torch

接触一个新的数据处理环境，首先就是熟悉一下他的数据类型以及数据操作，torch独特的数据类型是Tensor，

"tensor"这个单词一般可译作“张量”，张量可以看作是一个多维数组。标量可以看作是0维张量，向量可以看作1维张量，矩阵可以看作是二维张量。

• 索引

我们还可以使用类似NumPy的索引操作来访问Tensor的一部分，需要注意的是：索引出来的结果与原数据共享内存，也即修改一个，另一个会跟着修改。

感觉很像c语言的指针，有优势，但是也有劣势，目前感觉不是很方便。因为可能会我们只是希望选取一部分，后面对其进行修改，但是这样会修改原数据。
在后面，我们找到了这个问题的答案。

y = x[0, :]
y += 1
print(y)
print(x[0, :]) # 源tensor也被改了

这样的话，得到的两个输出是相同的，
但是如果上面的代码变成 y=y+1
输出的两个结果就是不一样了，
是因为 y=y+1和y+=1是不一样的

在可变元素类型中（列表、字典）“x +=1"与"x=x+1"的区别说明：
（3.1）不可变元素的类型，“x +=1"与"x=x+1"作用一样，没有区别
（3.2）可变元素的类型中，“x +=1"与"x=x+1"作用不同，区别如下：
x +=1，表示：修改x自身的值（前提是：x必须是可变对象）
x = x + 1，表示：创建一个新的"同名”对象x，并将x + 1，赋值给新创建的同名变量x（它的含义和y = x + 1相同，只不过这里将y取名为x了），x + 1赋值给新x后，旧x的指向就会被释放

所以我们上面的不方便，只要在使用的时候是y=y+1的形式变可以解决，当然在教材中也出现了clone函数，也可以以此方式实现。
注：这里之所以出现这样的问题，是因为个人对于索引的理解不是很充分。+=一个是指向，另一个是需要新建对象，新开内存。
还可以使用[:] 这个符号，来指定写入到对象中去，eg：y[:]=y+x,这样就会保持y对象是不变的。

• numpy和tensor的转换

我们很容易用numpy()和from_numpy()将Tensor和NumPy中的数组相互转换。但是需要注意的一点是： 这两个函数所产生的的Tensor和NumPy中的数组共享相同的内存（所以他们之间的转换很快），改变其中一个时另一个也会改变！！！

还有一个常用的将NumPy中的array转换成Tensor的方法就是torch.tensor(), 需要注意的是，此方法总是会进行数据拷贝（就会消耗更多的时间和空间），所以返回的Tensor和原来的数据不再共享内存。
实践得知：Tensor转array时，使用numpy.array(),这样也是不会共享内存的。

收获

感觉对于内存的开销理解有所加深。在面对大数据处理时，我们应该注意内存的开销，选择合适的创建变量（对象）的方式。

如有问题，欢迎指正。
侵权必删

参考文献

[1] url:https://tangshusen.me/Dive-into-DL-PyTorch/
[2] url:https://blog.csdn.net/chenhyc/article/details/102668635