锐客网

  1. 首页 > it技术 > >

pytorch中tensor的使用

姓名：王咫毅
学号：19021211150
【嵌牛导读】pytorch和tensorflow一样，都是用于机器学习实现的环境当中的，而pytorch使用方法却和tensorflow有所不同，本文将介绍在pytorch下tensor的使用方法以及相应的简单的指令。
【嵌牛鼻子】pytorch tensor
【嵌牛提问】tensor在pytorch中究竟该如何使用？
【嵌牛正文】
转载自：https://www.jianshu.com/p/5ae644748f21?utm_source=desktop&utm_medium=timeline
一、pytorch安装
安装pytorch之前，需要安装好python（废话），还没安装过python的宝宝请先移步到廖雪峰的python教程，待安装熟悉完之后，再过来这边。
我们接着讲。
打开pytorch官网http://pytorch.org，找到下图所示位置
pytorch中tensor的使用
文章图片
如图所示，选择好系统，包管理工具，python的版本，是否支持CUDA（Zen君的配置是OSX，包管理工具是pip，版本2.7，不支持CUDA，哭）
选择好相应的配置，然后就可以复制下面“Run this command”的代码，直接打开命令台粘贴运行，即完成pytorch的安装。
二、pytorch的基石--Tensor张量
要介绍Tensor这个数据类型，我觉得有必要扯一下数学。
我们都知道：
标量（Scalar）是只有大小，没有方向的量，如1，2，3等
向量（Vector）是有大小和方向的量，其实就是一串数字，如(1,2)
矩阵（Matrix）是好几个向量拍成一排合并而成的一堆数字，如[1,2; 3,4]
pytorch中tensor的使用
文章图片
如图，我们可以看出，矩阵是二维的，向量是一维的，标量是零维的。
那么张量（Tensor）是什么呢？呵呵呵呵！大家估计也能猜出来！是按照三维排列的一堆数字？
是的。但是也不完全正确。
其实标量，向量，矩阵它们三个也是张量，标量是零维的张量，向量是一维的张量，矩阵是二维的张量。
pytorch中tensor的使用
文章图片
张量就是按照任意维排列的一堆数字的推广。如图所示，矩阵不过是三维张量下的一个二维切面。要找到三维张量下的一个标量，需要三个维度的坐标来定位。
除此之外，张量还可以是四维的、五维的、。。。等等
数学扯完了，我们撸串代码操练操练　(*ˉ︶ˉ*)
>>>import torch #引用torch包
>>>x = torch.Tensor(2,3)#构造一个2x3的矩阵，没初始化但仍然会有值
>>>x
8.0118e+284.5768e-418.0118e+28
4.5768e-412.9747e-371.4013e-45
[torch.FloatTensor of size 2x3]#可以看出数据类型是浮点数的2x3矩阵
看矩阵看不出张量的道道，我们来点刺激的
>>>y=torch.Tensor(4,2,3) #构造一个4x2x3的张量，没初始化
>>>y
(0 ,.,.) =
1.00000e-29 *
0.00002.52440.0000
2.52440.00000.0000
(1 ,.,.) =
1.00000e-29 *
0.00000.00000.0000
0.00000.00000.0000
(2 ,.,.) =
1.00000e-29 *
0.00000.00000.0000
0.00000.00000.0000
(3 ,.,.) =
1.00000e-29 *
0.00000.00000.0000
2.52440.00002.5244
[torch.FloatTensor of size 4x2x3]
我们从上面的返回值可以看出，4x2x3的张量y由4个2x3的矩阵构成，这符合了我们数学上的定义。
Tensor的加法(四种)
我们先初始化两个张量：
pytorch中tensor的使用
文章图片
rand()用随机数初始化5x3的矩阵
第一种：
>>>a+b
第二种：
>>>torch.add(a,b)
第三种：
>>>result = torch.Tensor(5,3)
>>>torch.add(a,b,out=result) #把运算结果存储在result上
第四种：
>>>b.add_(a) #把运算结果覆盖掉b
Tensor的部分截取
pytorch中tensor的使用
文章图片
利用b[:,1]来截取第2列的所有元素（计算机是从0开始数，所以1是第2列）
Tensor的其他操作
除了加法以外，还有上百种张量的操作，比如说转置（transposing），切片（slicing）等，送个链接给少侠，少侠自己在家慢慢操练了。
Tensor与numpy的Array的相互转换
torch的tensor可以与numpy的array进行转换
1.tensor?array
>>>b = a.numpy() #a为tensor
pytorch中tensor的使用
文章图片
如图所示，b和a是共用一块内存，所以当a发生变化时，b也会发生变化。
2.array?tensor
>>>b = torch.from_numpy(a)#a为numpy的array
pytorch中tensor的使用
文章图片
如图所示，a和b一样是共用一块内存。
CUDA的神助攻
假如少侠你有一块nvidia的显卡并支持cuda（如GTX 1080），那么恭喜你，你可以使用显卡gpu进行tensor的运算。假如你像Zen君一样没有，考虑买一个吧。。。购买指南：为你的深度学习任务挑选最合适GPU:从性能到价格的全方位指南
>>>torch.cuda.is_available()#看看是否支持cuda
假如返回的是True那么，下面的代码将带你飞。
>>>x = x.cuda()
>>>y = y.cuda()
>>>x+y#这里的x和y都是tensor，使用cuda函数以后，x和y的所有运算均会调用gpu来运算。
115人点赞
1人踩
深度学习
作者：Zen_君
链接：https://www.jianshu.com/p/5ae644748f21
来源：
【pytorch中tensor的使用】著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

    推荐阅读


    上一篇：这些与记忆无关

    下一篇：入学