PyTorch入門

pytorch是類似tensorflow的一種深度學習科學計算包，它具有以下的特點：

1. numpy的替代品，可以利用gpu的性能進行計算。
2. 深度學習研究平臺具有足夠的靈活性和速度。

Tensor（張量）

tensor類似numpy的ndarrays，同時tensor可以使用gpu進行計算，但是numpy是只能在cpu上進行計算。

首先導入pytorch包

import torch

很簡單，有木有。

構造一個5*3的矩陣，不初始化

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

輸出

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]])

構造一個隨機初始化的矩陣

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

輸出

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]])

構造一個矩陣全爲0， 而且數據類型是long

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

輸出

tensor([[ 0,  0,  0],
        [ 0,  0,  0],
        [ 0,  0,  0],
        [ 0,  0,  0],
        [ 0,  0,  0]])

構造一個張量，直接使用數據：

x = torch.sensor([5.5, 3])
print(x)

輸出

tensor([ 5.5000,  3.0000])

創建一個tensor基於已經存在的tensor

x = x.new_ones(5, 3, dtype=torch.double)
print(x)

x = torch.randn_like(x, dtype=torch.float)
print(x)

輸出

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]])

獲取它的維度信息

print(x.size()

輸出

torch.Size([5, 3])

注意： torch.Size是一個元組，所以它支持左右的元組操作。

操作

在接下來的例子中，我們會學到加法操作。

加法方式一

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

輸出

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]])

加法方式二

print(torch.add(x, y))

輸出

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：提供一個輸出tensor作爲參數

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

輸出

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

y.add_(x)
print(y)

輸出

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]])

注意：任何使張量會發生變化的操作都有一個前綴 _ 。例如：x.copy_(y), x.t_()，將會改變x。

索引操作

可以使用標準的numpy類似的索引操作

print(x[:, 1])

輸出

tensor([ 0.4477, -0.0048,  1.0878, -0.2174,  1.3609])

改變大小操作

可以使用torch.view改變一個tensor的大小和形狀

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())

輸出

torch.Size([4, 4]) torch.Size([16]) torch.Size([2, 8])

獲取tensor的value

可以使用.item()來獲取這個value

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

輸出

tensor([ 0.9422])
0.9422121644020081