1_1torch基础知识

原创

已于 2023-05-10 21:54:48 修改 · 663 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#torch基础知识

于 2023-05-08 19:30:00 首次发布

本文介绍了如何安装PyTorch及其CUDA版本，创建不同类型Tensor的方法，包括浮点型、整型和双精度型。还探讨了torch.Tensor()与torch.tensor()的区别以及Tensor间的类型转换，如CPU与GPU之间的转换，以及与Numpy数组的互换。此外，提到了在训练和测试模型时使用model.train()和model.eval()的差异，以及预训练模型在迁移学习中的应用。

1、torch安装

pytorch cuda版本下载地址：https://download.pytorch.org/whl/torch_stable.html

其中先看官网安装torch需要的cuda版本，之后安装cuda版本，之后采用pip 下载对应的torch的gpu版本whl来进行安装。使用pip安装时如果是conda需要切换到对应的env下。

2、tensor创建

(1)创建不同类型的tensor

#torch 基础知识
import torch
#创建不同类型的tensor
print("创建不同类型的tensor")
a_float = torch.Tensor([1,2,3])
print("a_float=", a_float)
a_float2 = torch.FloatTensor([1,2,3]).zero_()#增加了zero_表示原地计算绝对值，返回原值，zero则计算一个新的tensor结果
print("a_float2=", a_float2)
a_int = torch.IntTensor([1,2,3])
print("a_int =", a_int)
a_double = torch.DoubleTensor(1,2)
print("a_double =", a_double)
print("后面还有ByteTensor(unsigned 8 bit integer),CharTensor(signed 8 bit integer), ShortTensor(16 bit integer), LongTensor(64 bit integer)")

=============================结果=======================================

创建不同类型的tensor
a_float= tensor([1., 2., 3.])
a_float2= tensor([0., 0., 0.])
a_int = tensor([1, 2, 3], dtype=torch.int32)
a_double = tensor([[4.4743e-316, 4.4757e-316]], dtype=torch.float64)
后面还有ByteTensor(unsigned 8 bit integer),CharTensor(signed 8 bit integer), ShortTensor(16 bit integer), LongTensor(64 bit integer)

(2)通过不同形式输入创建tensor

#通过不同输入创建tensor
print("通过不同输入创建tensor,size, *size, sequence, ndarray,tensor,storage")
a_size = torch.IntTensor(2,3)
print("a_size =", a_size)
a_size2 = torch.Tensor(*[1,2,3])
print("a_size2=",a_size2)
a_sequence = torch.Tensor([1,2,3])
print("a_sequence =", a_sequence)

======================================结果========================================
通过不同输入创建tensor,size, *size, sequence, ndarray,tensor,storage
a_size = tensor([[408112416,     32605,  90