pytorch 入门指南

本文是PyTorch入门指南,涵盖了PyTorch概述、基本库、包括Tensor操作、GPU使用、梯度计算在内的基本操作,以及如何定义模型、损失函数和优化器。还提供了一个完整的机器学习流程,包括数据处理、训练和测试,以及模型的保存与载入。最后推荐了几个进阶学习资源。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

pytorch 入门指南

1. pytorch 概述

pytorch是facebook 开发的torch(Lua语言)的python版本,于2017年引爆学术界
官方宣传pytorch侧重两类用户:numpy的gpu版、深度学习研究平台
pytorch使用动态图机制,相比于tensorflow最开始的静态图,更为灵活
当前pytorch支持的系统包括:win,linux,macos

2. pytorch基本库

常用的pytorch基本库主要包括:

  • torch: 内含一些常用方法,与numpy比较像
  • torch.Tensor:内含一些操作tensor的方法,可通过tensor.xx()进行调用
  • torch.nn:内含一些常用模型,如rnn,cnn等
  • torch.nn.functional:内含一些常用方法,如sigmoid,softmax等
  • torch.optim:内含一些优化算法,如sgd,adam等
  • torch.utils.data:内含一些数据迭代方法

3. 基本操作

a. tensor操作

# 初始化空向量
torch.empty(3,4)

# 随机初始化数组
torch.rand(4,3)

# 初始化零向量
torch.zeros(4,3, dtype=torch.int)

# 从数据构建数组
x = torch.tensor([3,4],dtype=torch.float)
x = torch.IntTensor([3,4])

# 获取tensor的尺寸,元组
x.shape
x.size()

# _在方法中的意义:表示对自身的改变
x = torch.ones(3,4) 
# 以下三个式子 含义相同
x = x + x
x = torch.add(x, x)
x.add_(x)

# 索引,像操作numpy一样
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值