pytorch官方文档60分钟入门笔记

最新推荐文章于 2025-04-18 07:04:28 发布

xiaodidadada

最新推荐文章于 2025-04-18 07:04:28 发布

阅读量435

点赞数

分类专栏：机器学习

本文链接：https://blog.youkuaiyun.com/xiaodidadada/article/details/110288056

版权

本文是一篇PyTorch快速入门笔记，涵盖了张量操作、自动求导、神经网络构建和训练分类器的基础知识。介绍了张量的定义、转换和与numpy的交互，以及Variable类在自动求导中的作用。此外，还讲解了如何使用nn模块构建神经网络，包括训练过程和数据加载。最后提到了数据并行处理的概念。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

day63
参考：官方文档
https://blog.youkuaiyun.com/u014630987/article/details/78669051

1. 张量（Tensors）

tensors和numpy的ndarray类似,但是tensors可以使用GPU加快运算

张量定义的matrix在未使用前的初始值就是那个内存地址保存的值

定义张量

#定义未初始化的张量
x = torch.empty(5,3);
#定义初始化的张量
x = torch.rand(5,3);#随机初始化
x = torch.zeros(5,3,dtype=torch.long);#全零初始化
x = torch.tensor([5.5,3])#直接从数值构建tensor
#从已有的张量构建新的张量,会复用已有张量的property，除非指定新的
x = x.new_ones(5,3,dtype=torch.double)
#输出张量矩阵的大小
print(x.size())#返回torch.Size([5, 3])，是tuple类型

张量操作

相加：

#语法一
y = torch.rand(5,3)
print(x+y)
#语法二
print(torch.add(x,y));
#语法三:指定out张量
result = torch.empty

最低0.47元/天解锁文章