如何安装和使用PyTorch ?针对这个问题,这篇文章详细介绍了相对应的分析和解答,希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。
有的人总是选择,选择的人最多的框架,来作为自己的初学框架,比如<代码> Tensorflow> 代码,但是大多论文的实现都是基于<代码> PyTorch> 代码的,如果我们要深入论文的细节,就必须选择学习入门<代码> PyTorch 代码>
一行命令即可官网
pip安装火炬===1.6.0 torchvision===0.7.0 - https://download.pytorch.org/whl/torch_stable.html
时间较久,耐心等待
运行命令测试
进口火炬 x=torch.rand (5,3) 打印(x)
输出
张量([(0.5096,0.1209,0.7721),
引用>
,,,,,,,(0.9486,0.8676,0.2157),
,,,,,,,(0.0586,0.3467,0.5015),
,,,,,,,(0.9470,0.5654,0.9317),
,,,,,,,(0.2127,0.2386,0.0629)])开始学习PyTorch
不初始化的创建<代码>张量代码>
进口火炬 x=torch.empty ([5,5]) 打印(x)输出
张量([[0。, 0。,0。],
引用>
,,,,,,,[0。, 0。,0。],
,,,,,,,[0。, 0。,0。],
,,,,,,,[0。, 0。,0。],
,,,,,,,[0。, 0。,0。]])
随机创建一个0 - 1的<代码>张量代码>
进口火炬 x=torch.rand (5,5) 打印(x)输出
张量([[0.3369,0.5339,0.8419,0.6857,0.6241),
引用>
,,,,,,,(0.4991,0.1691,0.8356,0.4574,0.0395),
,,,,,,,(0.9714,0.2975,0.9322,0.5213,0.8509),
,,,,,,,(0.3037,0.8690,0.3481,0.2538,0.9513),
,,,,,,,(0.0156,0.9516,0.3674,0.1831,0.6466]])
创建全为0的<代码>张量代码>
进口火炬 x=火炬。0 (5 5 dtype=torch.float32) 打印(x)创建的时候可以通过<代码> dtype> 代码指定数据类型
输出
张量([[0。, 0。, 0。, 0。,0。],
引用>
,,,,,,,[0。, 0。, 0。, 0。,0。],
,,,,,,,[0。, 0。, 0。, 0。,0。],
,,,,,,,[0。, 0。, 0。, 0。,0。],
,,,,,,,[0。, 0。, 0。, 0。,0。]])
使用数据来直接创建<代码>张量代码>
进口火炬 x=火炬。0 ([5 5]dtype=torch.float32) 打印(x)输出
张量([5。5。)
引用>使用原有<代码>张量> 代码创建新的<代码>张量代码>
进口火炬 x=火炬。张量([5 5]dtype=torch.float32) x=x。new_zeros (5,3) y=torch.rand_like (x) 打印(x) 打印(y)输出
张量([[0。, 0。,0。],
引用>
,,,,,,,[0。, 0。,0。],
,,,,,,,[0。, 0。,0。],
,,,,,,,[0。, 0。,0。],
,,,,,,,[0。, 0。,0。]])
张量([(0.5552,0.3333,0.0426),
,,,,,,,(0.3861,0.3945,0.6658),
,,,,,,,(0.6978,0.3508,0.4813),
,,,,,,,(0.8193,0.2274,0.8384),
,,,,,,,(0.9360,0.9226,0.1453)])观察<代码>张量> 代码的维度信息
x=torch.rand (3) x.size ()输出
火炬。大小([3])
引用>一些简单的运算
x=torch.tensor ([1]) y=torch.tensor ([3]) & # 39;& # 39;& # 39; 方式1 & # 39;& # 39;& # 39; z=x + y & # 39;& # 39;& # 39; 方式2 & # 39;& # 39;& # 39; z=火炬。add (x, y) & # 39;& # 39;& # 39; 方式3 & # 39;& # 39;& # 39; 结果=torch.empty (1) #不初始化数据 火炬。添加(x, y=结果) #将结果返回到结果中 & # 39;& # 39;& # 39; 方式4 & # 39;& # 39;& # 39; x.add_ (y)输出
张量([4])
引用>
索引操作
x=torch.rand (5,5) x (:,) x [1:] x (: 1) x [1]分别输出
张量([[0.4012,0.2604,0.1720,0.0996,0.7806),
引用>
,,,,,,,(0.8734,0.9087,0.4828,0.3543,0.2375),
,,,,,,,(0.0924,0.9040,0.4408,0.9758,0.2250),
,,,,,,,(0.7179,0.7244,0.6165,0.1142,0.7363),
,,,,,,,(0.8504,0.0391,0.0753,0.4530,0.7372]])
张量((0.8734,0.9087,0.4828,0.3543,0.2375])
张量((0.2604,0.9087,0.9040,0.7244,0.0391])
张量(0.9087)
维度变换
x=torch.rand (4, 4) x.view (16) x.view (8, 2) x.view (8)分别输出
张量([0.9277,0.9547,0.9487,0.9841,0.4114,0.1693,0.8691,0.3954,0.4679,
,,,,,,,null如何安装和使用PyTorch