“动手学深度学习”(一)

从今天开始，记录一哈学习进度，当作督促一哈自己学习。

预备阶段

1.环境配置

1.1 Anaconda，JupyterNotebook，PyTorch

网上都有各种教程,可以自行查找。

2.数据操作

先熟悉一哈在深度学习中对数据的一些基本操作。在pytorch中主要使用Tensor。

2.1创建Tensor

import torch
x=torch.empty(2,1)
x=torch.rand(2,1)   
x=torch.zeros(2,1,dtype=torch.long)    创建一个5x3的long型全0的Tensor 
x=torch.tensor([2.2,3])

还可以根据现有的Tensor来创建

x = x.new_ones(5, 3, dtype=torch.float64)  # 返回的tensor默认具有相同的torch.dtype和torch.device
print(x)

x = torch.randn_like(x, dtype=torch.float) # 指定新的数据类型
print(x) 

输出：

tensor([[1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.]], dtype=torch.float64)
tensor([[ 0.6035,  0.8110, -0.0451],
        [ 0.8797,  1.0482, -0.0445],
        [-0.7229,  2.8663, -0.5655],
        [ 0.1604, -0.0254,  1.0739],
        [ 2.2628, -0.9175, -0.2251]])

还可以得到tensor的形状：

print(x.size())    方法
print(x.shape)     属性

2.2 操作

• 加法
  y=torch.rand(2,3)
  print(x+y)
  或者
  print(torch.add(x,y))
  还可以指定输出：
  result=torch.empty(2,3)
  torch.add(x,y,out=result)
  print (result)
  另外：
  y.add_(x)

• 索引
  索引出来的结果与原数据共享内存，也即修改一个，另一个会跟着修改。

• 改变形状
  view(5) or view(4,2)
  1.注意view()返回的新Tensor与源Tensor虽然可能有不同的size，但是是共享data的，也即更改其中的一个，另外一个也会跟着改变。(顾名思义，view仅仅是改变了对这个张量的观察角度，内部数据并未改变)。
  2.如果不想共享data内存，使用clone：
  x_cp = x.clone().view(15)
  x -= 1

• 另外一个常用的函数为item()，把tensor装换成number

运算的内存开销

• 使用索引可以不增加内存，或者 y+=x, y.add_(x), torch.add(x,y,out=y)
• 虽然view返回的Tensor与源Tensor是共享data的，但是依然是一个新的Tensor（因为Tensor除了包含data外还有一些其他属性），二者id（内存地址）并不一致。

Tensor on Gpu

if torch .cuda.is_available():
	device= torch.device("cuda")
	y=torch.ones_like(x,device=device)  //新建
	x=x.to(device)   //转换
	z=x+y  //同在gpu上相加
	print(z.to('cpu',torch.double))