PyTorch入門基礎

pytorch是乙個python庫，它主要提供了兩個高階功能：

一般定義資料使用torch.tensor ，可以定義多種型別， tensor的意思是張量，是數字各種形式的總稱

import

torch
#可以是乙個數
x = torch.tensor(666)
print(x)

tensor(666)

#

可以是一維陣列（向量）
x = torch.tensor([1,2,3,4,5,6])
print(x)

#

可以是任意維度的陣列（張量）
x = torch.ones(2,3,4)
print(x)

tensor([[[1., 1., 1., 1.],

[1., 1., 1., 1.],
[1., 1., 1., 1.]],
[[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.]]])

#

建立乙個空張量
x = torch.empty(5,3)
print(x)

tensor([[1.4178e-36, 0.0000e+00, 4.4842e-44],

[0.0000e+00,        nan, 0.0000e+00],
[1.0979e-05, 4.2008e-05, 2.1296e+23],
[1.0386e+21, 4.4160e-05, 1.0742e-05],
[2.6963e+23, 4.2421e-08, 3.4548e-09]])

#

建立乙個隨機初始化的張量
x = torch.rand(5,3)
print(x)

tensor([[0.3077, 0.0347, 0.3033],

[0.9099, 0.2716, 0.4310],
[0.8286, 0.3317, 0.0536],
[0.9529, 0.4905, 0.1403],
[0.6899, 0.8349, 0.4015]])

#

建立乙個全0的張量，裡面的資料型別為 long
x = torch.zeros(5,3,dtype=torch.long)
print(x)

tensor([[0, 0, 0],

[0, 0, 0],
[0, 0, 0],
[0, 0, 0],
[0, 0, 0]])

最終，還是需要用tensor來進行計算的，計算無非是

#

建立乙個 2x4 的tensor
m = torch.tensor([[2, 5, 3, 7],
[4, 2, 1, 9]])
print(m.size(0), m.size(1), m.size(), sep='
-- ')

2 -- 4 -- torch.size([2, 4])

#

返回 m 中元素的數量
print(m.numel())

8

#

返回 第0行，第2列的數
print(m[0][2])
#返回 第1列的全部元素
print(m[:, 1])
#返回 第0行的全部元素
print
(m[0, :])
#create tensor of numbers from 1 to 5
#注意這裡結果是1到4，沒有5
v = torch.arange(1, 5)
print(v)

tensor(3.)

tensor([5., 2.])

tensor([2., 5., 3., 7.])

tensor([1, 2, 3, 4])

#

matlabplotlib 只能顯示numpy型別的資料，下面展示了轉換資料型別，然後顯示
#注意 randn 是生成均值為 0， 方差為 1 的隨機數
#下面是生成 1000 個隨機數，並按照 100 個 bin 統計直方圖
當資料非常非常多的時候，正態分佈結果非常明顯
				
pytorch入門 深度學習基礎及原理
這裡有乙個重點 因為pytorch是使用mini batch來進行計算的，所以損失函式的計算出來的結果已經對mini batch取了平均 nn.l1loss 輸入x和目標y之間差的絕對值，要求 x 和 y 的維度要一樣 可以是向量或者矩陣 得到的 loss 維度也是對應一樣的 nn.nllloss ...
				
Pytorch入門  安裝
pytorch目前支援的平台有linux和osx，在pytorch官網上每種平台提供了conda pip source三種安裝方式，同時也可以根據有無gpu進行cuda安裝，在這裡以ubuntu14.04進行安裝學習。1.anaconda安裝配置 安裝過程參考我之前的anaconda tensorf...
				
PyTorch快速入門
詳細的pytorch教程可以去pytorch官網的學習指南進一步學習，下面主要對pytorch做簡單的介紹，能夠快速入門。首先pytorch是基於python的科學計算類庫，主要有以下兩個方面的應用 作為numpy的替代者，充分利用gpu的計算能力。提供乙個靈活 快速的深度學習平台。tensor 與...