PyTorch入门教程

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.],