工作需要,现在需要学习pytorch这个框架,从今天开始,不定期更新该系列的学习文章。
pytorch安装网上很多教程,这里不再赘述,这里只列出我们的环境。
模块说明:
numpy 1.17.4
torch 1.4.0
torchvision 0.5.0
PyTorch 是一个基于 Python 的科学计算包,主要定位两类人群:
- NumPy 的替代品,可以利用 GPU 的性能进行计算。
- 深度学习研究平台拥有足够的灵活性和速度。
PyTorch最核心的便是Tensors(张量),Tensors类似于Numpy的ndarrays, 同时Tensors可以使用GPU进行计算。
下面通过构造空矩阵、随机矩阵、零矩阵、直接使用数据构造矩阵、基于存在的矩阵来构建矩阵。
空矩阵(未初始化)
# -*- coding=utf-8 -*-
import torch
x = torch.empty(2,3)
print("创建矩阵\n", x)
# ------------------------------------------------------- #
创建矩阵:
tensor([[1.7753e+28, 2.0535e-19, 4.4647e+30],
[5.0849e+31, 1.2708e+31, 1.9433e-19]])
# ------------------------------------------------------- #
随机矩阵
# -*- coding=utf-8 -*-
import torch
x = torch.rand(2,3)
print("创建矩阵:\n", x)
# ------------------------------------------------------- #
创建矩阵:
tensor([[0.9254, 0.9848, 0.6926],
[0.6959, 0.4285, 0.2847]])
# ------------------------------------------------------- #
零矩阵
# -*- coding=utf-8 -*-
import torch
x = torch.zeros(2,3)
print("创建矩阵:\n", x)
# ------------------------------------------------------- #
创建矩阵:
tensor([[0., 0., 0.],
[0., 0., 0.]])
# ------------------------------------------------------- #
直接使用数据构造矩阵
# -*- coding=utf-8 -*-
import torch
x = torch.Tensor([[1,2,3],[4,5,6]])
print("创建矩阵:\n", x)
# ------------------------------------------------------- #
创建矩阵:
tensor([[1., 2., 3.],
[4., 5., 6.]])
# ------------------------------------------------------- #
总结
-
空矩阵:torch.empty()
-
随机矩阵:torch.rand()
-
零矩阵:torch.zeros()
-
直接数据构造矩阵:torch.Tensor()
如果需要详细用法可以查看函数原型。