【Task1(2天)】PyTorch的基本概念
什么是Pytorch,为什么选择Pytroch?
Pytorch是一个基于python的科学计算包,是一个快速进行深度学习的平台。
Pytorch有以下优点:
* 动态图,即在运行时定义创建,可以多次构建多次运行,可以随时查看训练中的tensor值,快速学习网络方法,有利于研究人员、爱好者、小规模项目等快速搞出原型。
Pytorch的安装
在阅读了安装文档之后,发现pytorch需要python3,而我的python3装在Anaconda环境下。所以决定在Anaconda环境下安装pytorch。
首先在命令行中切换到anaconda环境: activate anaconda
在安装的过程中悲剧地发现我的电脑是集成显卡,没有NVIDIA 也没法用GPU 带动。
幸好在官网找到了可以安装在cpu上地pytorch命令:
conda install pytorch-cpu torchvision-cpu-cpytorch

然后打开jupyter notebook: import pytorch 显示运行成功
PyTorch基础概念
Tensor (张量)类似于NumPy的ndarray,但还可以在GPU上使用来加速计算。

创建一个随机初始化矩阵:

直接从数据构造张量:x = torch.tensor([5.5, 3])

torch.Size本质上还是tuple,所以支持tuple的一切操作。
运算:
加法运算: print (x+y) or print(torch.add(x,y))
可以使用索引:

任何一个in-place改变张量的操作后面都固定一个_。例如x.copy_(y)、x.t_()将更改x
改变形状:如果想改变形状,可以使用torch.view

如果是仅包含一个元素的tensor,可以使用.item()来得到对应的python数值

网友评论