pytorch中的常用API和组件汇总

• 查看torch版本：torch.__version__
• ndarry和torch.tensor的转换:

共用内存的转换：numpy->torch.tensor:  torch.from_numpy()

  torch.tensor->numpy:  torch_tensor.numpy()

拷贝的转换：torch.tensor(nparry)

• torch.max():计算tensor的最大值，可指定计算哪个维度的最大值
• torch.sort():

是 PyTorch 中用于对张量进行排序的函数。它返回一个包含排序结果的张量及其对应的索引。

#使用方法

torch.sort(input, dim=-1, descending=False, out=None)

参数

input: 要排序的输入张量。

dim: 指定沿着哪个维度进行排序，默认是最后一个维度（-1）。

descending: 是否按降序排序，默认为 False（升序）。

out: 可选，指定输出的张量，用于存储排序结果和索引。

返回值

torch.sort() 返回一个包含两个元素的元组：

values: 排序后的张量。

indices: 原始张量中元素的索引，以便恢复原始顺序。

• torch.rand():

是 PyTorch 中用于生成随机张量的函数，其生成的张量元素遵循均匀分布，范围在 [0, 1) 之间。

用法

torch.rand(size)

参数

size: 指定生成的张量的形状，可以是一个整数或一个整数的元组。例如，size=(2, 3) 表示生成一个 2 行 3 列的随机张量。

返回值

返回一个包含随机值的张量，其数据类型为 torch.float32。

• torch.normal(): 生成正态分布的张量
• 广播规则：

在进行运算时，PyTorch 会根据以下规则进行广播：

1. 从后向前比较两个张量的维度。
2. 如果两个维度相等，或者其中一个维度为1，则这两个维度可以兼容。
3. 如果不满足上述条件，则无法进行广播。

 

torch.nn.functional模块

torch.nn.functional 模块是 PyTorch 中非常重要的一个子模块，提供了许多常用的神经网络函数和操作。这些函数大多是神经网络构建中需要用到的低级操作，直接作用于 Tensor 上，不需要实例化为具体的层（nn.Module）。

包括：卷积函数，池化函数，非线性激活函数，池化操作，dropout操作，损失函数，线性层等

• nn.Module模块