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 divtorch.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Truedata=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aa.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，