机器学习-Pytorch基础
- Numpy和Pytorch可以相互转换，前者CPU上，后者GPU上，都是对矩阵进行运算，Pytorch的基本单位是张量。
- torch 可以初始化全为0、全为1、符合正态分布的矩阵
- 确定性初始化
- torch.tensor()
- torch.arrange()
- torch.linspace()
- torch.logspace()
- ones/zeros/eye/full
- 随机性初始化
- torch.Tensor()
- torch.rand()
- torch.rand_like()
- torch.randint()
- torch.randn()
- 直接点×关闭jupyter不正确，应该再启动一个命令行，进入打开jupyter的环境，打jupyter notebook stop
- torch可以和python列表一样切片
- 神经网络输入一维，图片是三维，所以需要维度变换，view()和reshape()都可以维度变换，后者鲁棒性更强。reshape可以多层嵌套，前者不行。化成一维可以偷懒，用-1。
- 增加新的维度：unsqueeze()，增加一个括号
- 维度缩减：squeeze()维度值为1才能删，因为维度值大于1删除会丢数据，减少个括号。
- 维度扩展：expand(),repeat()
- 维度调整：transpose(),permute()前者只能调两个维度，后者可以调整多个维度。某个算法可能只能用最后一个维度，所以需要进行维度的调整，如transformer()
- 广播机制：相当于先进行了unsqueeze再进行expand。小维度向大维度进行广播时，得先匹配，得先小维度和大维度相同或者小维度为1才能进行广播。
- 根据文档进行编程的思想！不用背API，知道这个函数的功能是什么，用到的时候去查文档。
- 数学能力是科研能力的上限，如果是工作的话数学要求没那么高。
- 张量的拼接 cat()和stack(),前者只能是需要拼接的维度不同，其他得相同；后者所有维度都必须相同。
- 张量的拆分split()和chunk()，前者是按间隔拆分，后者是按数量拆分
- 取整floor(),ceil(),round()
- 裁数trunc(),frac()
- 计算mean,max,sum,prod,min
- a.argmax(),a.argmin()最大值索引和最小值索引
- eq(),equal()前者更精细，每个位置比对，后者是整体比对。
博客1
博客2
博客3
文档1