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 ...

pytorch官网教程：tensor代码理解

pytorch官网教程：tensor代码理解相关推荐

最新文章

热门文章