工作需要,現在需要學習pytorch這個架構,從今天開始,不定期更新該系列的學習文章。
pytorch安裝網上很多教程,這裡不再贅述,這裡隻列出我們的環境。
子產品說明:
numpy 1.17.4
torch 1.4.0
torchvision 0.5.0
PyTorch 是一個基于 Python 的科學計算包,主要定位兩類人群:
- NumPy 的替代品,可以利用 GPU 的性能進行計算。
- 深度學習研究平台擁有足夠的靈活性和速度。
PyTorch最核心的便是Tensors(張量),Tensors類似于Numpy的ndarrays, 同時Tensors可以使用GPU進行計算。
下面通過構造空矩陣、随機矩陣、零矩陣、直接使用資料構造矩陣、基于存在的矩陣來建構矩陣。
空矩陣(未初始化)
# -*- coding=utf-8 -*-
import torch
x = torch.empty(2,3)
print("建立矩陣\n", x)
# ------------------------------------------------------- #
建立矩陣:
tensor([[1.7753e+28, 2.0535e-19, 4.4647e+30],
[5.0849e+31, 1.2708e+31, 1.9433e-19]])
# ------------------------------------------------------- #
随機矩陣
# -*- coding=utf-8 -*-
import torch
x = torch.rand(2,3)
print("建立矩陣:\n", x)
# ------------------------------------------------------- #
建立矩陣:
tensor([[0.9254, 0.9848, 0.6926],
[0.6959, 0.4285, 0.2847]])
# ------------------------------------------------------- #
零矩陣
# -*- coding=utf-8 -*-
import torch
x = torch.zeros(2,3)
print("建立矩陣:\n", x)
# ------------------------------------------------------- #
建立矩陣:
tensor([[0., 0., 0.],
[0., 0., 0.]])
# ------------------------------------------------------- #
直接使用資料構造矩陣
# -*- coding=utf-8 -*-
import torch
x = torch.Tensor([[1,2,3],[4,5,6]])
print("建立矩陣:\n", x)
# ------------------------------------------------------- #
建立矩陣:
tensor([[1., 2., 3.],
[4., 5., 6.]])
# ------------------------------------------------------- #
總結
-
空矩陣:torch.empty()
-
随機矩陣:torch.rand()
-
零矩陣:torch.zeros()
-
直接資料構造矩陣:torch.Tensor()
如果需要詳細用法可以檢視函數原型。