PyTorch教程
1.PyTorch与其他框架的对比
PyTorch:动态计算图Dynamic Computation Graph;
TensorFlow:静态计算图Static Computation Graph。
PyTorch代码通俗易懂,非常接近Python原生代码。
2.什么是PyTorch?
类似于Numpy,但是它可以使用GPU;
可以用它定义深度学习模型,可以灵活地进行深度学习模型的训练和使用。
3.PyTorch代码训练
3.1构造一个未初始化的5×3矩阵
>>> import torch
>>> x=torch.empty(5,3)
>>> x
tensor([[9.1834e-41, 0.0000e+00, 0.0000e+00],
[0.0000e+00, 0.0000e+00, 0.0000e+00],
[0.0000e+00, 0.0000e+00, 0.0000e+00],
[0.0000e+00, 5.9415e-43, 0.0000e+00],
[0.0000e+00, 0.0000e+00, 0.0000e+00]])
3.2构造一个随机初始化的矩阵
>>> torch.rand(5,3)
tensor([[0.2936, 0.7109, 0.6839],
[0.9778, 0.2583, 0.6170],
[0.9016, 0.3895, 0.2596],
[0.0357, 0.9415, 0.0640],
[0.9949, 0.1010, 0.8019]])
3.3构建一个全部为0,类型为long的矩阵
>>> x=torch.zeros(5,3,dtype=torch.long)
>>> x
tensor([[0, 0, 0],
[0, 0, 0],
[0, 0, 0],
[0, 0, 0],
[0, 0, 0]])
>>> x.dtype
torch.int64
3.4从数据直接构建tensor
>>> x=torch.tensor([5.5,3])
>>> x
tensor([5.5000, 3.0000])
3.5也可以从一个已有的tensor构件一个tensor,这些方法会重用原来tensor的特征,例如,数据类型,除非提供新的数据。
>>> x=x.new_ones(5,3)
>>> x
tensor([[1., 1., 1.],