PyTorch入门

pytorch是类似tensorflow的一种深度学习科学计算包，它具有以下的特点：

1. numpy的替代品，可以利用gpu的性能进行计算。
2. 深度学习研究平台具有足够的灵活性和速度。

Tensor（张量）

tensor类似numpy的ndarrays，同时tensor可以使用gpu进行计算，但是numpy是只能在cpu上进行计算。

首先导入pytorch包

import torch

很简单，有木有。

构造一个5*3的矩阵，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

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.sensor([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)
print(x)

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

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，我们会学到加法操作。

加法方式一

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

输出

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))

输出

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：提供一个输出tensor作为参数

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

输出

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)

输出

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。

索引操作

可以使用标准的numpy类似的索引操作

print(x[:, 1])

输出

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

改变大小操作

可以使用torch.view改变一个tensor的大小和形状

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())

输出

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

获取tensor的value

可以使用.item()来获取这个value

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

输出

tensor([ 0.9422])
0.9422121644020081