【Pytorch基础】Pytorch的基本运算操作

最新推荐文章于 2025-07-20 11:57:59 发布

原创

最新推荐文章于 2025-07-20 11:57:59 发布 · 2k 阅读

6 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #Pytorch

本文详细介绍了PyTorch中的基本数学运算，包括加减乘除、矩阵相乘、幂次计算以及自然底数与对数。通过实例展示了如何在PyTorch中进行这些操作，并解释了为何使用PyTorch内置函数而非Python的基本计算。此外，还涵盖了近似值、限幅等实用功能。对于初学者来说，这是理解PyTorch核心运算的宝贵资源。

Pytorch跟Python一样都是一种编程语言，只不过Pytorch可以在GPU中进行计算。简单理解的话，就是这个区别吧。至于如何学习Pytorch，个人觉得完全可以类比，Python两者语法跟用法没有太大差异。再者，为什么学习Pytorch基本计算，而不是用Python基本计算代替再转成tensor格式。个人在代码实现中的体会是：太麻烦，因为Pytorch默认创建变量的类型是float32，使用Python的数据类型如array是float64，如果进行tensor的转换后在计算会报错，变量类型不一致。而且如果自定义loss函数，在loss中的计算也必须使用Pytorch自带的计算方式，这算是个开场白了。
一、加减乘除

#加减乘除
a + b = torch.add(a, b)
a - b = torch.sub(a, b)
a * b = torch.mul(a, b)
a / b = torch.div(a, b)
#实操
import torch

a = torch.rand(3, 4)
b = torch.rand(4)
a
# 输出：
    tensor([[0.6232, 0.5066, 0.8479, 0.6049],
            [0.3548, 0.4675, 0.7123, 0.5700],
            [0.8737, 0.5115, 0.2106, 0.5849]])

b
# 输出：
    tensor([0.3309, 0.3712, 0.0982, 0.2331])
    
# 相加
# b会被广播
a + b
# 输出：
    tensor([[0.9541, 0.8778, 0.9461, 0.8380],
            [0.6857, 0.8387, 0.8105, 0.8030],
            [1.2046, 0.8827, 0.3088, 0.8179]])

最低0.47元/天解锁文章