pytorch官网教程:tensor代码理解
#tensor
from __future__ import print_function
import torch
#创建一个 5x3 矩阵, 但是未初始化
x = torch.empty(5,3)
print(x)#创建一个随机初始化的矩阵
x = torch.rand(5,3)
print(x)#创建一个0填充的矩阵,数据类型为long
x = torch.zeros(5,3,dtype=torch.long)#创建tensor并使用现有数据初始化
x = torch.tensor([5,5,3])
print(x)#根据现有的张量创建张量
x = x.new_ones(5,3,dtype=torch.double) # new_* 方法来创建对象
print(x)x = torch.randn_like(x,dtype=torch.float) # 覆盖dtype!
print(x) # 对象的size 是相同的,只是值和类型发生了变化#操作
#加法
y = torch.rand(5,3)
print(x + y)#加法2
print(torch.add(x, y))#提供tensor作为参数
result = torch.empty(5,3)
torch.add(x, y, out = result)
print(result)#替换 : adds x to y
y.add_(x)
print(y)#torch.view 与 Numpy的reshape类似
x = torch.randn(4,4)
y = x.view(16)
# 下面的-1表示一个不确定的数,就是你如果不确定你想要reshape成几行,
# 但是你很肯定要reshape成4列,那不确定的地方就可以写成-1
z = x.view(-1,8)
print(x.size(),y.size(),z.size())#使用.item()来得到Python数据类型的数值
x = torch.randn(1) # x = torch.randn(1)
print(x) # -0.23680149018764496
print(x.item())# 将一个Torch Tensor转换为NumPy数组
a = torch.ones(5) #tensor([1., 1., 1., 1., 1.])
print(a)b = a.numpy() #[1. 1. 1. 1. 1.]
print(b)#观察numpy数组的值是如何改变的
a.add_(1)
print(a)
print(b)# NumPy Array 转化成 Torch Tensor
# 使用from_numpy自动转化
import numpy as np
a = np.ones(5)
b = torch.from_numpy(a)
np.add(a, 1, out=a)
print(a) #[2. 2. 2. 2. 2.]
print(b) #tensor([2., 2., 2., 2., 2.], dtype=torch.float64)#使用.to 方法 可以将Tensor移动到任何设备中
# is_available 函数判断是否有cuda可以使用
# ``torch.device``将张量移动到指定的设备中
if torch.cuda.is_available():device = torch.device("cuda") # a CUDA 设备对象y = torch.ones_like(x, device=device) # 直接从GPU创建张量x = x.to(device) # 或者直接使用``.to("cuda")``将张量移动到cuda中z = x + yprint(z)print(z.to("cpu", torch.double)) # ``.to`` 也会对变量的类型做更改
pytorch官网教程:tensor代码理解相关推荐
- [pytorch] 官网教程+注释
pytorch官网教程+注释 Classifier import torch import torchvision import torchvision.transforms as transform ...
- [PyTorch] 官网教程之神经网络
官网中文文档 神经网络 文章目录 核心代码 卷积 卷积 + 分类 网络架构 核心代码 首先介绍一下 torch.nn.Conv2d(),传入参数的含义如下: in_channels # 输入通道数 o ...
- pytorch官网教程:autograd代码理解
# Autograd: 自动求导机制#PyTorch 中所有神经网络的核心是 autograd 包,torch.Tensor是这个包的核心类. #如果设置 .requires_grad 为 True, ...
- pytorch官网教程:cifar10代码理解
import torch import torchvision import torchvision.transforms as transforms import matplotlib.pyplot ...
- 关于pytorch官网教程中的What is torch.nn really?(三)
文章目录 Switch to CNN `nn.Sequential` Wrapping `DataLoader` Using your GPU Closing thoughts 原文在这里. 因为MN ...
- pytorch实现:Resnet模型识别花朵数据集(参考pytorch官网代码)
pytorch实现:Resnet模型识别花朵数据集 一.pytorch实现:Resnet模型识别花朵数据集 1.1 训练模型 1.2 图像预测和可视化 1.3 对新来的数据进行处理和展示 一.pyto ...
- 02/03_Pytorch安装、Conda安装Pythorch,换源、pytorch官网、验证、安装jupyter、卸载、安装、启动jupyter、配置Jupyter notebook、使用
1.2.Pytorch安装 1.2.1.Conda安装Pythorch,换源 1 conda添加清华镜像源 查看源 conda config --show-sources 由于从官方的conda源中下 ...
- Spring Cloud学习笔记—网关Spring Cloud Gateway官网教程实操练习
Spring Cloud学习笔记-网关Spring Cloud Gateway官网教程实操练习 1.Spring Cloud Gateway介绍 2.在Spring Tool Suite4或者IDEA ...
- Gem5模拟器,详解官网教程Event-driven programming(五)
目录 一.解释一下gem5中的event-driven? 二.Creating a simple event callback (1)定义一个新的 C++ 类,并继承自 SimObject 抽象基类 ...
最新文章
- 暑期集训3:几何基础 练习题B: HDU - 2001
- 张莉python 玩转数据答案_大学mooc2020年用Python玩转数据课后答案
- C++防止文件重复包含
- 菜鸟教程-css学习笔记
- Jmeter测试并发https请求成功了
- MediaPlayer 播放视频的方法
- 项目疑难杂症记录(四):Activity被重新创建的原因分析
- 2个区别搞懂web.xml配置Session超时时间
- ctf xss利用_Csrf+Xss组合拳
- ftp服务器文件上传代码,Java上传文件FTP服务器代码
- NSDate 时间戳与字符串转换
- MemCache可视化客户端管理及监控工具TreeNMS
- 《人工智能》之《计算智能》习题解析
- C语言——判断一个数字是否为质数(素数)!
- 无绳园林设备行业调研报告 - 市场现状分析与发展前景预测
- 1972年发射失败的苏联金星探测器可能今年坠落地球
- 异常:The JSP specification requires that an attribute name is preceded by whitespace
- java计算机毕业设计信用卡增值业务系统小程序用户端源码+mysql数据库+lw文档+系统+调试部署
- 杨澜给二十几岁的女孩的告诫
- 【JZOJ 100029】【NOIP2017提高A组模拟7.8】陪审团 (贪心+排序)
热门文章
- Unable to execute dex: Multiple dex files define Lcom/Player/Core/LocalModeThread;错误解决
- 第18章 系统功能设计
- Polyworks脚本开发学习笔记(十)-互动式开发及出错控制
- FishNet网络搭建代码阅读(2)——fishnet.py
- 测绘中的各种坐标问题?
- dw网页分栏html,DW网页布局(表格、布局表格).ppt
- 学习Linux命令(21)
- 微服务模板: 后端Hello World - Java SpringBoot REST
- 数据结构————倒置带头结点单链表操作讲解
- 计算机科学与技术班徽的意义,北京市义务教育课程改革实验小学信息技术教材介绍.ppt...