1.Pytorch与张量

%matplotlib inline

2.PyTorch是什么

PyTorch是一个基于Torch的Python开源机器学习库，用于深度学习神经网络构建AI应用程序。 它主要由Facebook的人工智能研究小组开发。Uber的"Pyro"也是使用的这个库。

PyTorch是一个Python包，提供两个高级功能：

• 具有强大的GPU加速的张量计算（如NumPy），可以使用GPU的强大计算能力
• 包含自动求导系统的的深度神经网络

2.1 开始

2.1.1 Tensors（张量）

Tensors与Numpy中的 ndarrays类似，但是在PyTorch中
Tensors 可以使用GPU进行计算.

神经网络其实底层就是很多的tensor计算

1 2

from __future__ import print_function
import torch

创建一个5*3的矩阵 但并未初始化

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

3

创建一个随机初始化矩阵

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

4

创建一个0填充的矩阵，数据类型为long:

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

5

创建tensor并使用现有数据初始化

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

6

根据现有的张量创建矩阵。这些方法将重用输入张量的属性，例如 dtype，除非设置新的值进行覆盖

x = x.new_ones(5,3 , dtype = torch.double)  #new_*方法创建对象
print(x)

x = torch.randn_like(x , dtype = torch.float) #覆盖 dtype
print(x)      #对象的size是相同的，知识值和类型发生了变化

7

获取 size

使用size方法与Numpy的shape属性返回的相同，张量也支持shape属性，后面会详细介绍

print(x.size())

8

torch.Size 返回值是 tuple类型, 所以它支持tuple类型的所有操作.

操作
操作有多种语法。

我们将看一下加法运算。

加法1:

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

9

加法2：

print(torch.add(x,y))

10

提供输出tensor作为参数

result = torch.empty(5,3)
torch.add(x , y , out=result)
print(result)

11

替换

#add x to y
y.add(x)
print(y)

12

任何以"" 结尾的操作都会用结果替换原变量，例如:"x.copy(y)" , "x.t_()" , 都会改变"x"

你可以使用与Numpy索引方式相同的操作来进行对张量的操作

print(x[: , 1])

13

torch.view: 可以改变张量的维度和大小

torch.view 与Numpy 的reshape类似

x = torch.randn(4,4)
y = x.view(16)
z = x.view(-1,8) #size -1 从其他维度推断
print(x.size() , y.size() , z.size())

14

如果你有只有一个元素的张量，使用 .item来得到Python数据类型的数值

x = torch.randn(1)
print(x)
print(x.item())

15

2.2Numpy转换

Converting a Torch Tensor to a NumPy array and vice versa is a breeze.

The Torch Tensor and NumPy array will share their underlying memory
locations, and changing one will change the other.

Converting a Torch Tensor to a NumPy Array

a = torch.ones(5)
print(a)

16

b = a.numpy()
print(b)

17

See how the numpy array changed in value.

a.add_(1)
print(a)
print(b)

18

NumPy Array 转化成 Torch Tensor

使用from_numpy自动转化

import  numpy as np 
a = np.ones(5)
b = torch.from_numpy(a)
np.add(a, 1, out= a)
print(a)
print(b)

19

所有的Tensor 类型默认都是基于CPU ， CharTensor 类型不支持到Numpy的转换

2.3 CUDA张量

使用.to方法，可以将Tensor移动到任何设备中

# is_available 函数判断是否有cuda可以使用
# ``torch.device``将张量移动到指定的设备中
if torch.cuda.is_available():
    device = torch.device("cuda")          # a CUDA 设备对象
    y = torch.ones_like(x, device=device)  # 直接从GPU创建张量
    x = x.to(device)                       # 或者直接使用``.to("cuda")``将张量移动到cuda中
    z = x + y
    print(z)
    print(z.to("cpu", torch.double))       # ``.to`` 也会对变量的类型做更改

20