pytorch代码复现1（基础知识）

创建矩阵

全零矩阵

复制代码

In [4]:
import torch
torch.__version__
x=torch.empty(5,3)
x

Out $4$ :

复制代码

tensor([[0.0000e+00, 0.0000e+00, 4.6430e-23],
        [1.4013e-45, 1.2612e-44, 0.0000e+00],
        [3.5733e-43, 0.0000e+00, 0.0000e+00],
        [0.0000e+00, 0.0000e+00, 0.0000e+00],
        [0.0000e+00, 0.0000e+00, 0.0000e+00]])

随机矩阵

In $5$ :
复制代码
x=torch.rand(5,3)
x

Out $5$ :

复制代码

tensor([[0.8045, 0.6600, 0.5920],
        [0.9726, 0.2459, 0.5417],
        [0.5958, 0.6286, 0.5736],
        [0.5969, 0.0276, 0.8971],
        [0.9583, 0.4394, 0.5928]])

#tensor（张量）几维矩阵都行

初始化一个全零矩阵

In $20$ :

复制代码

x=torch.zeros(5,3)#x=torch.zeros(5,4,dtype=torch.int)
x

Out $20$ :

复制代码

tensor([[0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.]])

直接传入数据

In $18$ :
复制代码
y=torch.tensor([5,4])
y

Out $18$ :
复制代码
tensor([5, 4])

显示矩阵大小

In $21$ :

复制代码

x.size()#当前的维度是几行几列的

Out $21$ :
复制代码
torch.Size([5, 3])

矩阵相加

法1:

In $25$ :
复制代码
y=torch.rand(5,3)
x=torch.rand(5,3)
x+y

Out $25$ :

复制代码

tensor([[0.8520, 0.6184, 1.2141],
        [1.8745, 1.0329, 1.1968],
        [0.9743, 0.5262, 1.4275],
        [0.5415, 1.0113, 1.2635],
        [0.9762, 0.7496, 1.4369]])

法2:

In $26$ :
复制代码
torch.add(x,y)

Out $26$ :

复制代码

tensor([[0.8520, 0.6184, 1.2141],
        [1.8745, 1.0329, 1.1968],
        [0.9743, 0.5262, 1.4275],
        [0.5415, 1.0113, 1.2635],
        [0.9762, 0.7496, 1.4369]])

索引

In $27$ :
复制代码
x[:1]

Out $27$ :
复制代码
tensor([[0.0229, 0.1664, 0.5243]])

改变矩阵维度

In $28$ :

复制代码

x=torch.rand(4,4)
y=x.view(16)
z=x.view(-1,8)#-1代表自动填充
print(x.size(),y.size(),z.size())

复制代码

torch.Size([4, 4]) torch.Size([16]) torch.Size([2, 8])

tensor转成numpy的格式

In $30$ :
复制代码
a=torch.ones(5)
b=a.numpy()
b

Out $30$ :

复制代码

array([1., 1., 1., 1., 1.], dtype=float32)

numpy转tensor的格式

In $29$ :

复制代码

import numpy as np
a=np.ones(5)
b=torch.from_numpy(a)
b

Out $29$ :

复制代码

tensor([1., 1., 1., 1., 1.], dtype=torch.float64)