Pytorch入门实践

张量（Tensor）

张量可以简单理解为多维数组，理论上张量是任意维度。

张量操作基本方法

首先检验一下终端的pytorch是否安装成功： Win + R 打开CMD 命令，输入“ipython”然后构建一个张量并输出

In [1]: import torch
In [2]: torch.Tensor(3,3)
Out[2]:
tensor([[0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.]])

1.判断一个对象是否为Tensor

import torch
import numpy as np

a = np.arange(1, 10)
b = torch.Tensor(10)
print(a)
print(torch.is_tensor(a))
print(b)
print(torch.is_tensor(b))


[1 2 3 4 5 6 7 8 9]
False
tensor([0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])
True

（不得不说刚刚犯了一个很蠢的错误，我新建了一个 torch.py 文件来试验这些语句，因为要导入torch模块，然后就把这个文件导入了而没有导入正规的 “torch.py”，所以他一直报错说torch没有 Tensor这个模块，真是被自己蠢到了23333）

2.获取张量中元素个数

In [1]: import torch

In [2]: a=torch.Tensor(3,4)

In [3]: print(torch.numel(a))
12

3.创建单位矩阵

In [4]: torch.eye(3,3)
Out[4]:
tensor([[1., 0., 0.],
        [0., 1., 0.],
        [0., 0., 1.]])

4.将Numpy数组转化为Tensor

In [5]: import numpy as np

In [6]: a = np.arange(1,10)

In [7]: b = np.ndarray((2,3))

In [8]: print(torch.from_numpy(a))
tensor([1, 2, 3, 4, 5, 6, 7, 8, 9], dtype=torch.int32)

In [9]: print(torch.from_numpy(b))
tensor([[0., 0., 0.],
        [0., 0., 0.]], dtype=torch.float64)

5.构造等差数列

In [26]: print(torch.arange(1,10))
tensor([1, 2, 3, 4, 5, 6, 7, 8, 9])

In [13]: print(torch.linspace(1,8,3))
tensor([1.0000, 4.5000, 8.0000])

In [14]: print(torch.linspace(1,8,4))
tensor([1.0000, 3.3333, 5.6667, 8.0000])

三个参数分别为初始值，终值和元素个数 lin(线性)-space（空间）
类似的还有指数空间 log-space

In [18]: print(torch.logspace(1,5,5))
tensor([1.0000e+01, 1.0000e+02, 1.0000e+03, 1.0000e+04, 1.0000e+05])  # e是乘以10的后面次

6.初始化矩阵

这个和Numpy非常类似

In [19]: print(torch.ones(2,3))
tensor