首页   注册   登录
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
1722332572
V2EX  ›  Torch

PyTorch 60 分钟入门教程

  •  
  •   1722332572 · 2018-12-11 11:26:21 +08:00 · 1995 次点击
    这是一个创建于 405 天前的主题,其中的信息可能已经有所发展或是发生改变。
    什么是 PyTorch?
    PyTorch 是一个基于 Python 的科学计算包,主要定位两类人群:

    NumPy 的替代品,可以利用 GPU 的性能进行计算。
    深度学习研究平台拥有足够的灵活性和速度
    开始学习
    Tensors (张量)
    Tensors 类似于 NumPy 的 ndarrays,同时 Tensors 可以使用 GPU 进行计算。

    from __future__ import print_function
    import torch
    构造一个 5×3 矩阵,不初始化。

    x = torch.empty(5, 3)
    print(x)
    输出:

    tensor(1.00000e-04 *
    [[-0.0000, 0.0000, 1.5135],
    [ 0.0000, 0.0000, 0.0000],
    [ 0.0000, 0.0000, 0.0000],
    [ 0.0000, 0.0000, 0.0000],
    [ 0.0000, 0.0000, 0.0000]])


    构造一个随机初始化的矩阵:

    x = torch.rand(5, 3)
    print(x)
    输出:

    tensor([[ 0.6291, 0.2581, 0.6414],
    [ 0.9739, 0.8243, 0.2276],
    [ 0.4184, 0.1815, 0.5131],
    [ 0.5533, 0.5440, 0.0718],
    [ 0.2908, 0.1850, 0.5297]])


    构造一个矩阵全为 0,而且数据类型是 long.

    Construct a matrix filled zeros and of dtype long:

    x = torch.zeros(5, 3, dtype=torch.long)
    print(x)
    输出:

    tensor([[ 0, 0, 0],
    [ 0, 0, 0],
    [ 0, 0, 0],
    [ 0, 0, 0],
    [ 0, 0, 0]])
    构造一个张量,直接使用数据:

    x = torch.tensor([5.5, 3])
    print(x)
    输出:

    tensor([ 5.5000, 3.0000])
    创建一个 tensor 基于已经存在的 tensor。

    x = x.new_ones(5, 3, dtype=torch.double)
    # new_* methods take in sizes
    print(x)

    x = torch.randn_like(x, dtype=torch.float)
    # override dtype!
    print(x)
    # result has the same size
    输出:

    tensor([[ 1., 1., 1.],
    [ 1., 1., 1.],
    [ 1., 1., 1.],
    [ 1., 1., 1.],
    [ 1., 1., 1.]], dtype=torch.float64)
    tensor([[-0.2183, 0.4477, -0.4053],
    [ 1.7353, -0.0048, 1.2177],
    [-1.1111, 1.0878, 0.9722],
    [-0.7771, -0.2174, 0.0412],
    [-2.1750, 1.3609, -0.3322]])
    获取它的维度信息:

    print(x.size())
    输出:

    torch.Size([5, 3])
    注意

    torch.Size 是一个元组,所以它支持左右的元组操作。

    操作
    在接下来的例子中,我们将会看到加法操作。

    加法: 方式 1

    y = torch.rand(5, 3)
    print(x + y)
    Out:

    tensor([[-0.1859, 1.3970, 0.5236],
    [ 2.3854, 0.0707, 2.1970],
    [-0.3587, 1.2359, 1.8951],
    [-0.1189, -0.1376, 0.4647],
    [-1.8968, 2.0164, 0.1092]])
    加法: 方式 2

    print(torch.add(x, y))
    Out:

    tensor([[-0.1859, 1.3970, 0.5236],
    [ 2.3854, 0.0707, 2.1970],
    [-0.3587, 1.2359, 1.8951],
    [-0.1189, -0.1376, 0.4647],
    [-1.8968, 2.0164, 0.1092]])
    加法: 提供一个输出 tensor 作为参数

    result = torch.empty(5, 3)
    torch.add(x, y, out=result)
    print(result)
    Out:

    tensor([[-0.1859, 1.3970, 0.5236],
    [ 2.3854, 0.0707, 2.1970],
    [-0.3587, 1.2359, 1.8951],
    [-0.1189, -0.1376, 0.4647],
    [-1.8968, 2.0164, 0.1092]])
    加法: in-place

    # adds x to y
    y.add_(x)
    print(y)
    Out:

    tensor([[-0.1859, 1.3970, 0.5236],
    [ 2.3854, 0.0707, 2.1970],
    [-0.3587, 1.2359, 1.8951],
    [-0.1189, -0.1376, 0.4647],
    [-1.8968, 2.0164, 0.1092]])
    Note

    注意

    任何使张量会发生变化的操作都有一个前缀 ‘_’。例如:x.copy_(y), x.t_(), 将会改变 x.

    你可以使用标准的 NumPy 类似的索引操作

    print(x[:, 1])
    Out:

    tensor([ 0.4477, -0.0048, 1.0878, -0.2174, 1.3609])
    改变大小:如果你想改变一个 tensor 的大小或者形状,你可以使用 torch.view:

    x = torch.randn(4, 4)
    y = x.view(16)
    z = x.view(-1, 8) # the size -1 is inferred from other dimensions
    print(x.size(), y.size(), z.size())
    Out:

    torch.Size([4, 4]) torch.Size([16]) torch.Size([2, 8])
    如果你有一个元素 tensor,使用 .item() 来获得这个 value。

    x = torch.randn(1)
    print(x)
    print(x.item())
    Out:

    tensor([ 0.9422])
    0.9422121644020081

    PyTorch 入门教程: http://pytorchchina.com/2018/06/25/what-is-pytorch/
    目前尚无回复
    关于   ·   FAQ   ·   API   ·   我们的愿景   ·   广告投放   ·   感谢   ·   实用小工具   ·   3401 人在线   最高记录 5168   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.3 · 24ms · UTC 04:12 · PVG 12:12 · LAX 20:12 · JFK 23:12
    ♥ Do have faith in what you're doing.