原

Pytorch 初探

75人阅读 2023/11/20 15:50 总访问：2263476 评论：0 收藏：0 手机

分类: pytorch

![](https://img.tnblog.net/arcimg/hb/21f086c80c5d4afda1bc1029dadd8f3a.png)
>#Pytorch 初探
[TOC]

## Pytorch简介

tn2>PyTorch由 Facebook 的 AI 研究团队开发的一个开源的机器学习库，它提供了张量（tensor）计算和动态计算图的功能。

## Pytorch特点

| 特点  | 描述  |
| ------------ | ------------ |
|动态计算图|PyTorch 使用动态计算图，这意味着在运行时创建计算图。相比于静态计算图，动态计算图更加灵活，方便调试和动态修改模型结构。|
|张量| PyTorch 张量是其核心数据结构，类似于NumPy的数组。张量可以在GPU上运算，从而加速深度学习模型的训练。|
|自动求导| PyTorch 提供了自动求导的功能，通过autograd模块可以轻松计算梯度。这对于训练神经网络和其他机器学习模型非常有用。|
|模块化和灵活性| PyTorch 的模块化设计使其非常灵活。你可以按照自己的需求选择使用其高级API或底层API。高级API（例如torch.nn）提供了更抽象的接口，而底层API允许更精细的控制。|
|丰富的生态系统| PyTorch 拥有庞大的社区和丰富的生态系统，包括许多预训练模型、工具和库，使其成为科学研究和工业应用中的热门选择。||
|深度整合| PyTorch 与很多其他深度学习框架（如TorchScript）和库（如Torchvision、Torchaudio等）深度整合，为用户提供全面的工具支持。|
|支持动态图和静态图| PyTorch 提供了torchscript，它可以将动态图转换为静态图，这对于生产环境的部署非常有用。|
|社区支持| PyTorch 拥有活跃的社区，提供丰富的教程、文档和在线支持，使得用户能够轻松上手和解决问题。|

## 安装Pytorch

tn2>执行如下命令即可安装Pytorch

```bash
# mac or linux
pip install torch torchvision torchaudio
# win
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
```

tn2>安装完成后执行如下命令查看Pytorch版本。

```python
import torch
print(torch.__version__)
print(torch.cuda.is_available())
```

![](https://img.tnblog.net/arcimg/hb/a791062611d046ed907b952f9afdf81b.png)

tn2>可以看到我这里没有的gpu只有cpu。

## 基本示例

tn2>创建一个5x3的矩阵。

```python
x = torch.empty(5, 3)
print(x)
```

![](https://img.tnblog.net/arcimg/hb/b138b3173e5a44149073ca1b3bb6896e.png)

tn2>创建随机5x3的矩阵。

```python
x = torch.rand(5, 3)
print(x)
```

![](https://img.tnblog.net/arcimg/hb/cc43d585d71c4f6e9880ea8ac552a7a0.png)

tn2>初始化一个全零矩阵。

```python
x = torch.zeros(5, 3, dtype=torch.long)
print(x)
```

![](https://img.tnblog.net/arcimg/hb/17579d2469e44c2c819875dec37f9a17.png)

tn2>直接传入数据。

```python
x = torch.tensor([5.5, 3])
print(x)
```

![](https://img.tnblog.net/arcimg/hb/3ef314b2791041af9d1313bf0ffb5e4e.png)

tn2>创建一个形状为 (5, 3) 的张量，并初始化为全为1

```python
x = x.new_ones(5,3,dtype=torch.double)
# 创建了一个与前面张量相同形状的新张量，但是这次是用从标准正态分布中抽样得到的随机数填充，同时将数据类型设置为 torch.float
x = torch.randn_like(x, dtype=torch.float)
print(x)
```

![](https://img.tnblog.net/arcimg/hb/59be8f43d08a494bb31532ffacf5174b.png)

### 展示矩阵大小

```python
x.size()
```

![](https://img.tnblog.net/arcimg/hb/17cc10e559e34c21ac5ac100e72b121d.png)

## 基本计算方法

tn2>做加法。

```python
y = torch.rand(5, 3)
print(x + y)
```

![](https://img.tnblog.net/arcimg/hb/5b73730aaa994d67836efdaa299ba6d7.png)

```python
print(torch.add(x, y))# 一样的也是加法
```

![](https://img.tnblog.net/arcimg/hb/a65df0d7bc844c0f8d61b5538b2364c6.png)

## 索引

```python
x
```

![](https://img.tnblog.net/arcimg/hb/23c9e9a5856b4cae8ddd2532647f0f0b.png)

```python
x[:,1]# 取出所有第二个的
```

![](https://img.tnblog.net/arcimg/hb/2d4c42e6128f4aae86bd2a88caccdac6.png)

```python
x[:,2]# 取出所有第三个的
```

![](https://img.tnblog.net/arcimg/hb/27bcdae1e7a9462db26e9e0dd93638b6.png)

## view操作可以改变矩阵维度

```python
x = torch.randn(4, 4)
y = x.view(16)
z = x.view(-1, 8) # 这里-1表示自动计算
print(x.size(), y.size(), z.size())
```

![](https://img.tnblog.net/arcimg/hb/3d76669019f3444e95e2513f112a91e9.png)

```python
x,y,z
```

![](https://img.tnblog.net/arcimg/hb/1f24ccebd1c74913ad95538279de7e3a.png)

```python
m = x.view(-1, 2)
m.size(),m
```

![](https://img.tnblog.net/arcimg/hb/aea483d4c4bc44e49efc33bdb952a88e.png)

tn2>与`-1`是相同的。

```python
z = x.view(2, 8)
z.size()
```

![](https://img.tnblog.net/arcimg/hb/84515e1edc3e4a94a779a295697692af.png)

## 与Numpy的协同操作

tn2>numpy与pytorch之间的数据互转。

```python
a = torch.ones(5)
b = a.numpy()
print(a, b)
```

![](https://img.tnblog.net/arcimg/hb/5a1f418a0a2f43b7986000fccc6bce92.png)

```python
import numpy as np
a = np.ones(5)
b = torch.from_numpy(a)
b
```

![](https://img.tnblog.net/arcimg/hb/e19351a8a08a45abb0a68fc3006318ee.png)

欢迎加群讨论技术，1群：677373950(满了，可以加，但通过不了)，2群：656732739

👈{{preArticle.title}}

👉{{nextArticle.title}}

评价

尘叶心繁

这一世以无限游戏为使命！

博主信息

排名

文章

粉丝

文章类别

.net后台框架 164篇

linux 17篇

linux中cve 1篇

windows中cve 0篇

资源分享 10篇

Win32 3篇

前端 28篇

传说中的c 4篇

Xamarin 9篇

docker 15篇

容器编排 101篇

grpc 4篇

Go 15篇

yaml模板 1篇

理论 2篇

Pytorch 初探

{{titleitem}} {{titleitem}}

{{titleitem}} {{titleitem}}