Pytorch

计算机视觉和图像处理

1. Tensorflow入门
2. 深度神经网络
3. 图像分类
4. 目标检测
5. 图像分割
6. OpenCV
7. Pytorch
8. NLP自然语言处理

一、Pytroch部署

1. 创建虚拟环境
   在Anaconda终端中创建虚拟环境pytorch

conda create --name pytorch

2. 激活虚拟环境

conda activate pytorch

3. 安装Pytorch及其相关库
   安装torch、torchvision、torchaudio

pip install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple

4. 查看是否安装成功

import torch
print(torch.__version__)

二、Pytorch基础语法

2.1 Pytorch的基本元素操作

# 创建一个没有初始化的矩阵
x = torch.empty(5,3)
print(x)

内存中存在脏数据

# 创建一个有初始化矩阵
x = torch.rand(5,3)
x

从均匀分布（范围通常是 [0, 1)）中生成随机数

x = torch.randn(5,3)
x

均值为0方差为1的矩阵

torch.randint(0,10,(3,3))

# 创建⼀个全零矩阵
torch.zeros(5,3)

# 直接通过数据创建张量
torch.tensor([2.5,3.5])

# 在已有张量上创建一个新张量
x = x.new_ones(5,3)
print(x)
y = torch.rand_like(x)
print(y)

# 张量尺寸
x.size()

# 将x中的值取出
# 如果张量中只有一个元素可以直接用.item()取出
for i in range(x.size(0)):
    for j in range(x.size(1)):
        print(x[i][j].item())

2.2 Pytorch的基本运算操作

# 加法操作
y = torch.rand(5,3)
print(x+y)

torch.add(x,y)

result = torch.empty(5,3)
torch.add(x,y,out=result)
result

# 不赋值给y
y.add(x)

y

# 赋值给y
y.add_(x)

y

# 支持切片操作
y[:,1]

# 改变张量形状
x = torch.rand(2,6)
y = x.view(12)
z = x.view(3,4)
# -1表示自动匹配个数
p = x.view(6,-1)
print(x.size(),y.size(),z.size(),p.size())

2.3 Torch Tensor和Numpy array之间的相互转换

a = torch.ones(