Pytorch Task1:PyTorch的基本概念_损失函数张量 item-优快云博客

本文链接：https://blog.youkuaiyun.com/musingstar/article/details/89060260

PyTorch是一个Python科学计算库，适合NumPy替代并提供深度学习平台。因其动态图特性，PyTorch易于使用和调试。本文将介绍PyTorch的安装方法和基础概念，包括张量的使用和运算操作。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

PyTorch的基本概念

什么是Pytorch，为什么选择Pytroch？

PyTorch是一个基于python的科学计算包，主要针对两类人群：

作为NumPy的替代品，可以利用GPU的性能进行计算

作为一个高灵活性、速度快的深度学习平台

Pytorch相比Tensorflow而言，它的设计初衷是简单易用用，所以它是基于动态图进行实现的，从而方便调试。当然，Tensorflow在1.5版的时候就引入了Eager Execution机制实现了动态图，但它还是默认使用静态图。

PyTorch的安装]

我是用按官网中用conda安装，由于没有GPU，所以用的是CPU版本

conda install pytorch-cpu torchvision-cpu -c pytorch

PyTorch基础概念

张量：

Tensor（张量）类似于NumPy的ndarray，但还可以在GPU上使用来加速计算。

from __future__ import print_function
import torch
x = torch.empty(5, 3)
print(x)
tensor([[2.2391e-19, 4.5869e-41, 1.4191e-17],
        [4.5869e-41, 0.0000e+00, 0.0000e+00],
        [0.0000e+00, 0.0000e+00, 0.0000e+00],
        [0.0000e+00, 0.0000e+00, 0.0000e+00],
        [0.0000e+00, 0.0000e+00, 0.0000e+00]])

运算

一种运算有多种语法。在下面的示例中，我们将研究加法运算。

加法：形式一

y = torch.rand(5, 3)
print(x + y)
tensor([[ 2.5541,  0.0943,  0.9835],
        [ 1.4911,  1.3117,  <