PyTorch 60 分鐘入門教程：PyTorch 深度學習官方入門中文教程

什麼是 PyTorch?

PyTorch 是一個基於 Python 的科學計算包，主要定位兩類人羣：

• NumPy 的替代品，能夠利用 GPU 的性能進行計算。


• 深度學習研究平臺擁有足夠的靈活性和速度

開始學習

Tensors (張量)

Tensors 相似於 NumPy 的 ndarrays ，同時  Tensors 能夠使用 GPU 進行計算。

from future import print_function

import torch

構造一個5x3矩陣，不初始化。

x = torch.empty(5, 3)

print(x)

輸出:

tensor(1.00000e-04 *
       [[-0.0000,  0.0000,  1.5135],
        [ 0.0000,  0.0000,  0.0000],
        [ 0.0000,  0.0000,  0.0000],
        [ 0.0000,  0.0000,  0.0000],
        [ 0.0000,  0.0000,  0.0000]])

 

構造一個隨機初始化的矩陣：

x = torch.rand(5, 3)

print(x)

輸出:

tensor([[ 0.6291,  0.2581,  0.6414],
        [ 0.9739,  0.8243,  0.2276],
        [ 0.4184,  0.1815,  0.5131],
        [ 0.5533,  0.5440,  0.0718],
        [ 0.2908,  0.1850,  0.5297]])

 

構造一個矩陣全爲 0，並且數據類型是 long.

Construct a matrix filled zeros and of dtype long:

x = torch.zeros(5, 3, dtype=torch.long)

print(x)

輸出:

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

構造一個張量，直接使用數據：

x = torch.tensor([5.5, 3])

print(x)

輸出:

tensor([ 5.5000,  3.0000])

建立一個 tensor 基於已經存在的 tensor。

x = x.new_ones(5, 3, dtype=torch.double)

# new_* methods take in sizes

print(x)

x = torch.randn_like(x, dtype=torch.float)

# override dtype!

print(x)

# result has the same size

輸出:

tensor([[ 1.,  1.,  1.],
        [ 1.,  1.,  1.],
        [ 1.,  1.,  1.],
        [ 1.,  1.,  1.],
        [ 1.,  1.,  1.]], dtype=torch.float64)
tensor([[-0.2183,  0.4477, -0.4053],
        [ 1.7353, -0.0048,  1.2177],
        [-1.1111,  1.0878,  0.9722],
        [-0.7771, -0.2174,  0.0412],
        [-2.1750,  1.3609, -0.3322]])

獲取它的維度信息:

print(x.size())

輸出:

torch.Size([5, 3])

注意

torch.Size  是一個元組，因此它支持左右的元組操做。

操做

在接下來的例子中，咱們將會看到加法操做。 加法: 方式 1

y = torch.rand(5, 3)
print(x + y)

Out:

tensor([[-0.1859,  1.3970,  0.5236],
        [ 2.3854,  0.0707,  2.1970],
        [-0.3587,  1.2359,  1.8951],
        [-0.1189, -0.1376,  0.4647],
        [-1.8968,  2.0164,  0.1092]])

加法: 方式2

print(torch.add(x, y))

Out:

tensor([[-0.1859,  1.3970,  0.5236],
        [ 2.3854,  0.0707,  2.1970],
        [-0.3587,  1.2359,  1.8951],
        [-0.1189, -0.1376,  0.4647],
        [-1.8968,  2.0164,  0.1092]])

加法: 提供一個輸出 tensor 做爲參數

result = torch.empty(5, 3)
torch.add(x, y, out=result)
print(result)

Out:

tensor([[-0.1859,  1.3970,  0.5236],
        [ 2.3854,  0.0707,  2.1970],
        [-0.3587,  1.2359,  1.8951],
        [-0.1189, -0.1376,  0.4647],
        [-1.8968,  2.0164,  0.1092]])

加法: in-place

# adds x to y
y.add_(x)
print(y)

Out:

tensor([[-0.1859,  1.3970,  0.5236],
        [ 2.3854,  0.0707,  2.1970],
        [-0.3587,  1.2359,  1.8951],
        [-0.1189, -0.1376,  0.4647],
        [-1.8968,  2.0164,  0.1092]])

Note

注意 任何使張量會發生變化的操做都有一個前綴 '_'。例如： x.copy_(y),  x.t_(), 將會改變  x.

你能夠使用標準的  NumPy 相似的索引操做

print(x[:, 1])

Out:

tensor([ 0.4477, -0.0048,  1.0878, -0.2174,  1.3609])

改變大小：若是你想改變一個 tensor 的大小或者形狀，你能夠使用  torch.view:

x = torch.randn(4, 4)
y = x.view(16)
z = x.view(-1, 8)  # the size -1 is inferred from other dimensions
print(x.size(), y.size(), z.size())

Out:

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

若是你有一個元素 tensor ，使用 .item() 來得到這個 value 。

x = torch.randn(1)
print(x)
print(x.item())

Out:

tensor([ 0.9422])
0.9422121644020081

PyTorch windows 安裝教程：兩行代碼搞定 PyTorch 安裝 http://pytorchchina.com/2018/12/11/pytorch-windows-install-1/ PyTorch Mac 安裝教程 http://pytorchchina.com/2018/12/11/pytorch-mac-install/ PyTorch Linux 安裝教程 http://pytorchchina.com/2018/12/11/pytorch-linux-install/

PyTorch QQ羣

http://pytorchchina.com/2018/06/25/what-is-pytorch/