pytorch学习笔记(1) Tensor与Autograd
开个专栏记录一些Pytorch的常用用法,方便自己查找。
一下内容均来自pytorch基础教程
Tensor
tensor是每个深度学习框架都要用到的模块,在pytorch中,它有如下几种常见创建方法:
创建tensor
x = torch.empty(5, 3) # 未初始化的非零张量
x = torch.rand(5, 3) # 随机初始化张量
x = torch.zeros(5, 3, dtype=torch.long) # 0值张量
x = torch.tensor([5.5, 3]) # 把数组转换为张量
x = torch.randn_like(x, dtype=torch.float) # 创建跟x同大小的张量
tensor的操作
- 有四种常用方式(以相加为例)
x = torch.ones(2, 2)
y = torch.tensor([[1,2],[2,1]],dtype=torch.float)
result = torch.empty(2,2)
torch.add(x, y, out=result)
print(x+y)
print

本文是PyTorch学习笔记的第一部分,主要介绍Tensor的创建和操作,包括如何创建tensor、进行基本操作如相加、reshape、与numpy数组的转换,以及如何将tensor移至GPU。此外,还详细讲解了Autograd系统,包括如何启用梯度跟踪、停止梯度跟踪、计算梯度以及处理非标量输出的梯度计算。
最低0.47元/天 解锁文章
608

被折叠的 条评论
为什么被折叠?



