WHAT IS PYTORCH?（pytorch官网60分钟闪电战第一节）

import torch
import numpy as np

文章目录

• 一、张量Tensors
• 二、运作方式Operations
• 三、NumPy Bridge 将Torch张量转换为NumPy数组，反之亦然
• 四、CUDA张量

一、张量Tensors

# 构造一个未初始化的5x3矩阵
x = torch.empty(5, 3)
# 构造一个随机初始化的矩阵
x = torch.rand(5, 3)
# 构造一个填充零且dtype long的矩阵 构造全1和全0会输出dtype=torch.float64
x = torch.zeros(5, 3, dtype=torch.long)
# 直接从数据构造张量
x = torch.tensor([5.5, 3])
# 或基于现有张量创建张量。这些方法将重用输入张量的属性，例如dtype，除非用户提供新值
x = x.new_ones(5, 3, dtype=torch.double)    # x已知
x = torch.randn_like(x, dtype=torch.float)    # override dtype!
print(x)     # result has the same size
print(x.size())     # torch.Size 实际上是一个元组，因此它支持所有元组操作

二、运作方式Operations

y = torch.rand(5, 3)
print(x + y) # 加法1
print(torch.add(x, y)) # 加法2
# 加法3
result = torch.empty(5, 3)
torch.add(x, y, out=result) # 提供输出张量作为参数
# 加法4
y.add_(x)

# 复制
y.copy_(x)
# 转置矩阵
y.t_()
# 输出矩阵的某列
print(y[:, 4])

# 调整大小
x = torch.randn(4, 4)
y = x.view(16)
z = y.view(-1, 2)    # z = y.view((4, 4)) z = y.view([2, 8]) 必须达到y的16大小 若第一个参数是-1，第二个给出的为矩阵列数，行数会自动给出
print(x.size(), y.size(), z.size())

# 使用.item()将该值用作Python数字
x = torch.randn(1)
print(x)
print(x.item())  

三、NumPy Bridge 将Torch张量转换为NumPy数组，反之亦然

# Torch Tensor和NumPy数组将共享其基础内存位置（如果Torch Tensor在CPU上），并且更改一个将更改另一个。

# 将torch张量转换为Numpy数组
# 除了CharTensor之外，CPU上的所有张量都支持转换为NumPy并返回
a = torch.ones(5)
print(a)
b = a.numpy()
print(b)
a.add_(1)
print(a)
print(b) # 结果相同

# 将Numpy数组转换为torch张量
a = np.ones(5)
b = torch.from_numpy(a)
np.add(a, 1, out=a)
print(a)
print(b) # 结果相同

四、CUDA张量

# let us run this cell only if CUDA is available 有CUDA才可以运行
# We will use ``torch.device`` objects to move tensors in and out of GPU

if torch.cuda.is_available():
    device = torch.device("cuda")          # a CUDA device object
    x = torch.rand(5, 3)
    y = torch.ones_like(x, device=device)  # directly create a tensor on GPU
    x = x.to(device)                       # or just use strings ``.to("cuda")``
    z = x + y
    print(z)
    print(z.to("cpu", torch.double))       # ``.to`` can also change dtype together!