pytorch以及其在DNN、CNN里的基本应用（代码均有含个人理解的较详尽注释）

之前的一些pytorch使用的word文档笔记，今天复习看了一下顺便整理到markdown里啦，庆祝一哈

参考：

莫烦python：https://www.bilibili.com/video/BV1Vx411j7kT

tensor和Variable

库的导入：

import torch
from torch.autograd import Variable

前言：

torch和numpy

tensor是torch里的一种很重要的数据结构，你可以将他和numpy里的ndarray进行类比，因为他们有很多相似之处。

torch一定程度上可以看作是深度学习中的numpy，为什么这么说呢？

很多人都知道，pytorch是支持GPU加速的，即把张量tensor放在GPU上加速

而很多人（包括几天前的我哈哈哈）都不知道

numpy支持CPU加速，可以将ndarray放在CPU上加速

这样看，numpy和torch是不是很像呢？

事实上，他们的用法也极为相似，且tensor和numpy可以互相转化。

构造tensor<——————>构造ndarray

torch.tensor(iterable可迭代序列)<——————>np.array(iterable)

torch.zeros((Channels,Height,Width))<——————>np.zeros((Channels,Height,Width))

torch.ones((Channels,Height,Width))<——————>np.ones((Channels,Height,Width))

torch.linspace(start,end,numbers)<——————>np.linspace(start,end,numbers)）

###tensor和ndarray互相转化
tensor_data = torch.from_numpy(ndarray) #ndarray————>tensor
ndarray = tensor_data.numpy() #tensor————>ndarray

tensor的一些基本计算<——————>ndarray的一些基本计算

①torch.abs()<——————>np.abs()

torch.add()<——————>np.add()

torch.mean()<——————>np.mean()

torch.sin()<——————>np.sin()

②矩阵：

torch.mm(A,B)<——————>np.matmul(A,B)或者np.dot(A,B)或者A @ B #矩阵乘法

注意：torch.dot(A,B)是计算点乘(只能输入一维tensor）

如：A=B=[1,2,3,4]

torch.dot(A,B)=1x1+2x2+3x3+4x4=30

如：A=B=[[1,2],[3,4]]

torch.dot(A,B):RuntimeError: 1D tensors expected, but got 2D and 2D tensors

Variable：变量

需要提前说的是：神经网络中的参数都是Variable变量的形式

变量是什么意思呢？

A:可以更改参数信息

<