PyTorch入门笔记

最新推荐文章于 2025-05-02 10:41:42 发布

Grin*

最新推荐文章于 2025-05-02 10:41:42 发布

阅读量267

点赞数

分类专栏： PyTorch 文章标签： pytorch

本文链接：https://blog.youkuaiyun.com/gpx33333/article/details/103984313

版权

PyTorch 专栏收录该内容

5 篇文章

订阅专栏

PyTorch入门笔记

PyTorch与TensorFlow的区别：
- PyTorch：动态计算图， Dynamic Computation Graph
- TensorFlow：静态计算图，Static Computation Graph
PyTorch是一个基于Python的科学计算库，它有以下特点：
- 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

Numpy与Tensor之间的转化：

在Torch Tensor和NumPy array之间相互转化非常容易；

Torch Tensor和NumPy array会共享内存，所以改变其中一项另一项也会变；

import torch
import numpy as np
a = torch.ones(5)
# a = tensor([1., 1., 1., 1., 1.])
b = a.numpy()
# b = array([1., 1., 1., 1., 1.], dtype=float32)
# 改变numpy array里面的值
b[1] = 2
# b = array([1., 2., 1., 1., 1.], dtype=float32)
# a = tensor([1., 2., 1., 1., 1.])    a的值也变了

# 把Numpy ndarray转成Torch Tensor
x = np.ones(5)
y = torch.from_numpy(a)

注：所有CPU上的Tensor都支持转成numpy或者从numpy转成Tensor

CUDA Tensors

使用.to方法，Tensor可以被移动到别的device上

import torch
if torch.cuda.is_available():
    device = torch.device("cuda")
    y = torch.ones_like(x, device=device)
    # 在GPU上面取Tensor的值的时候，需要先将其移到CPU上面
    y.to("cpu").data.numpy()
    y.cpu().data.numpy()
    x = x.to(device)