标签：基本 sample tensor dtype torch 张量 语法 pytorch out

pytorch安装

bing官网
找对应版本下载
记住一点：-c pytorch不要加上，否则下载速度巨慢

pytorch的基本语法

tensor张量

基本概念

标量：0维张量
矢量：一维张量
矩阵：二维张量
矩阵数组：三维张量

tensor()是一个函数
代码演示：
tensor = torch.arange(2,14,2)：不用手打，创建一维张量,取不到14

a=torch.tensor(1,dtype=int)
a = torch.tensor([1,2,3],dtype=int)
a=torch.tensor([[1,2,3],[4,5,6]],dtype=int)

形状

a.dtype：看类型
a.shape：看形状
a.size()：看形状
a.ndim:看维度
a.view(6):变形
a.reshape(6):变形
a.view(-1,1):-1是自动匹配

数据生成

生成矩阵

可以加参数如torch.ones((2,3),requires_grad=True)
torch.ones(2,3)
torch.zeros(2,3)
torch.rand(2,3,(2,3))
torch.randint(0,2,(2,3))

类型转换

tensor转正常

一个：item
c=torch.randint(2,6,(2,3))
c[1].item()有返回值
多个的：np
import numpy as np
np.array(c)

转基本数据类型

int()
float()
long():不会直接修改

基本运算操作

+：a+b，a.add_(b),torch.add(a,b)
-：a-b
*:a*b,torch.matmul(a,tensor):必须都是int64既long类型
/：除
//：取整
%：取余
转置：A.T

基本运算函数

torch.sum(sample)=sample.sum()
相加：sample.sum()
找最大:sample.max()
找最小:sample.min()
找最大下标:sample.argmax()
找最小下标:sample.argmin()
平均值:sample.mean()
开方:sample.median()
幂指数:sample**sum

数据的索引

一维张量的索引

tensor = torch.arange(2,14)
tensor[2]
tensor[2,5]
tensor[2:]
tensor[2,-1]
tensor[-5:]=tensor[-5:-1]

指定索引多个
index=[1,3,5,7]
tensor[index]

循环
for t in tensor:
print(t)

自动求导

x=torch.randint(1,10,(2,3),dtype=float,requires_grad=True)， #表示可导
y = x + 2
z = y * y * 3
out = z.mean() #y,z,out对x有继承
out.backward() #求导之前必须要做的
print(x.grad) #out对x的导数

标签：基本,sample,tensor,dtype,torch,张量,语法,pytorch,out
来源： https://www.cnblogs.com/dabaitunb/p/16059846.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。