pytorch------------基本介绍与操作

from __future__ import print_function
import torch

"""
什么是PyTorch:
    pytorch是一个基于numpy的科学计算包，向它的使用者提供了两大功能
    1、作为numpy的代替者，向用户提供使用GPU强大的功能的能力
    2、作为一款深度学习的平台，向用户提供最大的灵活性和速度
"""

"""
pytorch的基本元素操作：
    Tensors张量：张量的概念类似于nunmpy中的ndarray数据结构，
                最大的区别在于Tensors可以利用GPU的加速功能。
    我们在使用PyTorch的时候，常规步骤是先将torch引用今来，
    from __future__ import print_function
    import torch
"""

"""创建矩阵的操作"""
# 创建一个没有初始化的矩阵
x = torch.empty(5, 3)
# 创建一个有初始化的矩阵
y = torch.rand(5, 3)
print(x)
print(y)
"""
对比有无初始化的矩阵：当生命一个为初始化的矩阵是，它本身不包含任何确定的值，
                  当创建一个未初始化的矩阵时，分配给矩阵的内存中什么树值就赋值给了这个矩阵，
                  本质上时毫无意义的数据
"""
# 创建一个全零矩阵并可指定数据元素的类型为long
z = torch.zeros(5, 3, dtype=torch.long)
print(z)
# 直接通过数据创建张量
xx = torch.tensor([2.5, 3.5])
print(xx)
# 通过已有的一个张量创建相同尺寸的新张量
# 利用news_methods方法得到一个张量
yy = x.new_ones(5, 3, dtype=torch.double)
print(yy)
# 利用randn_like方法得到相同张量尺寸的一个新张量，并且采用随机初始化来对其赋值
zz = torch.randn_like(yy,dtype=torch.float)
print(zz)
# 得到张量的尺寸
print(zz.size())
"""torch.size函数本质上返回的时一个tuple，因此它支持一切元组的操作"""
"""
学习了torch Tensor和numpy array之间的相互转换
    将Torch Tensor转换为numpy array
        b = a.numpy()
    将numpy array转换为torch tensor
        b = torch.from_numpy(a)
    注意：所有的CPU上的Tensor，除了CharTensor，都可以转换为numpy array并可以
    反向转换
    学习了任意的Tensors可以用.to()方法将其移动导任意设备上
        x = x.to(device)
"""