Temmie1024的博客

矩阵的加减乘(数乘)除(数除) 可以使用符号+ - * / a+b a-b a*b a/b 也可以写add sub mul div torch.add(a,b) torch.sub(a,b) torch.mul(a,b) torch.div(a,b) //表示整除 这样的运算是允许的，它会进行维度扩展 矩阵的乘与除 torch.matmul或者使用@ mm不推荐，因为它只能处理2*2的 对于高维矩阵，@与matmul会计算最后两维的乘法，前面的不进行改变。如果前面的值不对应会使用brodcasting进

PyTorch是没有string类型的，需要使用编码的方式来表达字符串。 下图也可以看到数据部署到CPU与GPU的类型描述是不同的。 type(a)查看a的类型 isinstance(a,torch.FloatTensor),判断a是否为torch.FloatTensor类型，是返回True data=data.cuda()可以将数据部署位置变更为GPU 标量 dim=0 标量一般用在网络的最终输出，计算损失函数值 生成维度为0的数据 a=torch.tensor(值)#生成标量数据并赋给a a.sha

PyTorch与TensorFlow都是深度学习框架。 环境安装 前面pycharm已经安装，而且安装了conda，这里不记录了。主要记录CUDA的安装，用于GPU加速计算，一般比CPU单独计算速度快50倍左右。 这里要求显卡是NVIDIA显卡。 下载地址 如果链接失效，可以谷歌搜索CUDA download 安装一律下一步，安装位置可以自己改一下。 安装完成后在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin下找到 说明安装成功，