pytorch 入门指南

最新推荐文章于 2025-05-24 11:46:04 发布

xy_free

最新推荐文章于 2025-05-24 11:46:04 发布

阅读量1.1k

点赞数 4

CC 4.0 BY-SA版权

分类专栏：深度学习 code 文章标签： pytorch 入门

本文链接：https://blog.youkuaiyun.com/xy_free/article/details/80688592

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