《PyTorch深度学习实战》学习小结

前言

PyTorch是Facebook发布的一款非常具有个性的深度学习框架，它和Tensorflow，Keras，Theano等其他深度学习框架都不同，它是动态计算图模式，其应用模型支持在运行过程中根据运行参数动态改变，而其他几种框架都是静态计算图模式，其模型在运行之前就已经确定。

PyTorch安装

简易安装

pip install numpy
pip install scipy
pip install  http://download.pytorch.org/whl/cu75/torch-0.1.12.post2-cp27-none-linux_x86_64.whl
1
2
3

指定版本安装

基础变量

Tensor 基本的数据结构

• pytorch 中的数据都是封装成 Tensor 来引用的，
• Tensor 实际上就类似于 numpy 中的数组，两者可以自由转换。
• Tensor 还提供GPU计算和⾃动求梯度等更多功能，更适合深度学习运算
• 标量可以看作是0维张量，向量可以看作1维张量，矩阵可以看作是⼆维张量
• Tensor官方API文档

Tensor 初始化

import torch
x = torch.Tensor(5,3)
x = torch.empty(5, 3) #创建一个未经初始化的Tensor
x = torch.rand(5, 3) #创建一个随机初始化的Tensor
x = torch.zeros(5, 3, dtype=torch.long) #创建一个全零的Tensor
x = x.new_ones(5, 3, dtype=torch.float64) # 返回的tensor默认具有相同的torch.dtype和torch.device
x = torch.randn_like(x, dtype=torch.float) # 指定新的数据类型
print("x Tensor: ",x)
1
2
3
4
5
6
7
8

Tensor 算术运算操作

import torch
x = torch.rand(5, 3)
y = torch.rand(5, 3)
result = torch.empty(5, 3)

result
1
2
3
4
5