个人之前没有tensorflow的使用经验,只接触过caffe,因此对于tensors的概念也是初步接触。如有谬误,欢迎指正。
官网的教程从tensor的使用入手。tensor的使用主要是为了能够在GPU上实现运算。算是数据和GPU的一个接口吧。该数据类型类似numpy,使用他需要加上以下预处理:
form __future__ import print_function
import torch
初始化一个5*3的矩阵:
x = torch.empty(5, 3)
print(x)
输出为:
tensor([[-7.7402e-04, 4.5621e-41, -2.4322e+20],
[ 3.0967e-41, 1.8490e+20, 4.7468e+27],
[ 5.5577e-11, 6.8571e+22, 2.5869e+20],
[ 4.3991e+21, 1.8490e+20, 1.2120e+25],
[ 6.7331e+22, 4.2326e+21, 1.6931e+22]])
可以看出是随机初始化的,每一次结果不同,但是和官网上的输出不太一样,不知道是否是pytorch的版本不同导致的,官网上该语句应该是生成未初始化的矩阵。
生成随机初始化的矩阵使用如下语句:
x = torch.rand(5, 3)
print(x)
结果如下:
tensor([[ 0.6325, 0.1186, 0.3710],
[ 0.2410, 0.9606, 0.4492],
[ 0.1594, 0.5641, 0.4554],
[ 0.7680, 0.9980, 0.4455],
[ 0.8256, 0.1882, 0.8410]])
构造一个全零的矩阵,并且用long型填充:
x = torch.zeros(5, 3, dtype=torch.long)
print(x)
结果如下:
tensor([[ 0, 0, 0],
[ 0, 0, 0],
[ 0, 0, 0],
[ 0, 0, 0],
[ 0, 0, 0]])
当然和其他矩阵操作一样,你可以通过:
x[1,1]
x[:,1]
这种指令读取其中一项或者一行,但是注意到使用type()函数并不能返回其中数据的类型,所有类型都返回的是:
<class 'torch.Tensor'>
其他的细节的使用方法可以参考官网:
x = x.new_ones(5, 3, dtype=torch.double) # new_* methods take in sizes
print(x)
x = torch.randn_like(x, dtype=torch.float) # override dtype!
print(x) # result has the same size
该方法可以依据之前的张量生成新的张量,保持属性相同。
获得张量大小的语句为:
x.size()
两个张量相加, 调用函数或者直接相加:
torch.add(x, y)
x + y
y.add_(x) #y +=x
改变张量的尺度:
x = torch.randn(4, 4)
y = x.view(16)
z = x.view(-1, 8) # the size -1 is inferred from other dimensions
print(x.size(), y.size(), z.size())
注意保持元素个数一样,输出分别是:
torch.Size([4, 4]) torch.Size([16]) torch.Size([2, 8])
如果要获取一个位置的值将其作为python的数据类型,可以使用x.item()
更多的操作可以看这里
tensor提供可和numpy的接口,并且赋值之后是共享的:
1.改变tensor来改变numpy:
a = torch.ones(5)
b = a.numpy()
a.add_(1)
print(a)
print(b)
输出为:
tensor([ 2., 2., 2., 2., 2.])
[2. 2. 2. 2. 2.]
2.改变numpy来改变tensor
import numpy as np
a = np.ones(5)
b = torch.from_numpy(a)
np.add(a, 1, out=a)
print(a)
print(b)
输出为:
[2. 2. 2. 2. 2.]
tensor([ 2., 2., 2., 2., 2.], dtype=torch.float64)
在GPU上生成tensor:
if torch.cuda.is_available():
device = torch.device("cuda") # a CUDA device object
y = torch.ones_like(x, device=device) # directly create a tensor on GPU
x = x.to(device) # or just use strings ``.to("cuda")``
z = x + y
print(z)
print(z.to("cpu", torch.double)) # ``.to`` can also change dtype together!
输出为:
tensor([ 1.9422], device='cuda:0')
tensor([ 1.9422], dtype=torch.float64)
网友评论