莫烦Pytorch系列教程2.1——torch vs Numpy

最新推荐文章于 2025-01-08 12:57:54 发布

yalipf

最新推荐文章于 2025-01-08 12:57:54 发布

阅读量214

点赞数

分类专栏： pytorch 文章标签： python

本文链接：https://blog.youkuaiyun.com/yalipf/article/details/106309981

版权

pytorch 专栏收录该内容

6 篇文章

订阅专栏

本文详细对比了使用PyTorch和NumPy进行数据转换、数学运算和矩阵乘法的过程与结果。从NumPy数组到PyTorch张量的转换，以及它们在绝对值、正弦值、平均值计算和矩阵相乘等操作上的表现，展示了两种工具在数据科学和机器学习应用中的相似性和差异。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import torch
import numpy as np
np_data = np.arange(6).reshape((2,3)) #0到5，第一个轴为2，第二个轴为3
torch_data = torch.from_numpy(np_data)
tensor2arraay = torch_data.numpy()
print(
      '\nnumpy array', np_data, 
      '\ntorch_data', torch_data,
      '\ntensor2arraay',tensor2arraay,
      )

data =  [-1,-2,1,2]
tensor = torch.FloatTensor(data)
print(
      '\nabs'
      '\nnumpy_abs',np.abs(data),
      '\ntorch_abs',torch.abs(tensor),
      )

print(
      '\nsin',
      '\nnumpy_sin',np.sin(data),
      '\ntorch_sin',torch.sin(tensor),
      )

print(
      '\nmean'
      '\nnumpy_mean',np.mean(data),
      '\ntorch_mean',torch.mean(tensor),
      )

data1 = [[1,2],[3,4]]#列表
tensor1 = torch.FloatTensor(data1)#转换为浮点张量
print(
      '\nmatrix multiplication1',
      '\nnumpy_matrix_mul',np.matmul(data1,data1),
     
      '\ntorch_matrix_mul',torch.matmul(tensor1,tensor1)
      )

data2 = np.array(data1)#numpy数组
print(
      '\nmatrix multiplication2',
      '\nnumpy_matrix_mul',data2.dot(data1),
    
      )