Pytorch 初探 - 尘叶心繁的专栏

Pytorch 初探
Pytorch 初探
Pytorch简介
Pytorch特点
安装Pytorch
基本示例
展示矩阵大小
基本计算方法
索引
view操作可以改变矩阵维度
与Numpy的协同操作

Pytorch简介

PyTorch由 Facebook 的 AI 研究团队开发的一个开源的机器学习库，它提供了张量（tensor）计算和动态计算图的功能。

Pytorch特点

特点	描述
动态计算图	PyTorch 使用动态计算图，这意味着在运行时创建计算图。相比于静态计算图，动态计算图更加灵活，方便调试和动态修改模型结构。
张量	PyTorch 张量是其核心数据结构，类似于NumPy的数组。张量可以在GPU上运算，从而加速深度学习模型的训练。
自动求导	PyTorch 提供了自动求导的功能，通过autograd模块可以轻松计算梯度。这对于训练神经网络和其他机器学习模型非常有用。
模块化和灵活性	PyTorch 的模块化设计使其非常灵活。你可以按照自己的需求选择使用其高级API或底层API。高级API（例如torch.nn）提供了更抽象的接口，而底层API允许更精细的控制。
丰富的生态系统	PyTorch 拥有庞大的社区和丰富的生态系统，包括许多预训练模型、工具和库，使其成为科学研究和工业应用中的热门选择。
深度整合	PyTorch 与很多其他深度学习框架（如TorchScript）和库（如Torchvision、Torchaudio等）深度整合，为用户提供全面的工具支持。
支持动态图和静态图	PyTorch 提供了torchscript，它可以将动态图转换为静态图，这对于生产环境的部署非常有用。
社区支持	PyTorch 拥有活跃的社区，提供丰富的教程、文档和在线支持，使得用户能够轻松上手和解决问题。

安装Pytorch

执行如下命令即可安装Pytorch

# mac or linux
pip install torch torchvision torchaudio
# win
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

安装完成后执行如下命令查看Pytorch版本。

import torch
print(torch.__version__)
print(torch.cuda.is_available())

可以看到我这里没有的gpu只有cpu。

基本示例

创建一个5x3的矩阵。

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

创建随机5x3的矩阵。

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

初始化一个全零矩阵。

x = torch.zeros(5, 3, dtype=torch.long)
print(x)

直接传入数据。

x = torch.tensor([5.5, 3])
print(x)

创建一个形状为 (5, 3) 的张量，并初始化为全为1

x = x.new_ones(5,3,dtype=torch.double)
# 创建了一个与前面张量相同形状的新张量，但是这次是用从标准正态分布中抽样得到的随机数填充，同时将数据类型设置为 torch.float
x = torch.randn_like(x, dtype=torch.float)
print(x)

展示矩阵大小

x.size()

基本计算方法

做加法。

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

print(torch.add(x, y))# 一样的也是加法

索引

x[:,1]# 取出所有第二个的

x[:,2]# 取出所有第三个的

view操作可以改变矩阵维度

x = torch.randn(4, 4)
y = x.view(16)
z = x.view(-1, 8) # 这里-1表示自动计算
print(x.size(), y.size(), z.size())

x,y,z

m = x.view(-1, 2)
m.size(),m

与-1是相同的。

z = x.view(2, 8)
z.size()

与Numpy的协同操作

numpy与pytorch之间的数据互转。

a = torch.ones(5)
b = a.numpy()
print(a, b)

import numpy as np
a = np.ones(5)
b = torch.from_numpy(a)
b