二、Pytorch

一、pytorch的安裝方法

官方文檔：https://pytorch.org/get-started/locally/

1、如圖，選擇版本后，會顯示安裝指令

2、比如，帶GPU安裝步驟：

conda install pytorch torchvision torchaudio cudatoolkit=11.1

如果安裝pytorch緩慢，請更新鏡像源：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro/

二、pytorch的入門操作

1、定義：

張量Tensor：張量是一個統(tǒng)稱，其中包含很多類型，如0階張量scaler（標量、常數(shù)、0-D Tensor），1階張量vector（向量、1-D Tensor），2階張量matrix（矩陣、2-D Tensor）

轉(zhuǎn)置：直觀來看，將A的所有元素繞著一條從第1行第1列元素出發(fā)的右下方45度的射線作鏡面反轉(zhuǎn)，即得到A的轉(zhuǎn)置。一個矩陣M, 把它的第一行變成第一列，第二行變成第二列，…,最末一行變?yōu)樽钅┮涣校?從而得到一個新的矩陣N。 這一過程稱為矩陣的轉(zhuǎn)置。即矩陣A的行和列對應互換。

CUDA:是NVDIA退出的運算平臺，屬于通用并行計算架構，使得GPU能夠解決復雜的運算問題。

2、實踐

# 創(chuàng)建張量
import torch
import numpy as np

torch.Tensor(list)
# 創(chuàng)建數(shù)組
torch.empty(3,4)
torch.zeros(4,5)
torch.ones(6，7)
torch.rand(2,4)
torch.randinit(low=0,high=10,size=[5,6])
torch.randn(size=[5,6])

# 張量的方法和屬性
t1 = torch.Tensor([[[1]]])
t1.item()
t2 = torch.Tensor([[[1,2]]])
t2.numpy() # 轉(zhuǎn)換成數(shù)組
# t2.item
t2.size() # 獲取形狀
t2.size(1) # 獲取第1個維度的形狀
t2.size(-1)
t2.view([-1]) # 形狀變化，傳入[shape]
t2.view([2,-1])
t2.dim() # 獲取階數(shù)
t2.max() # 獲取最大值
t2.t() # 二維轉(zhuǎn)置
t2.transpose(0,1) # 二維轉(zhuǎn)置
t2.transpose(1,2) # 高維轉(zhuǎn)置
t2[0] # 取值
t2[:] # 切片
# tensor的數(shù)據(jù)類型
t2.dtype # 查看類型
torch.ones([3,2],dtype=torch.float32) # 創(chuàng)建指定類型的數(shù)據(jù)，torch.tensor(array,dtype)
t2.int() # 類型轉(zhuǎn)換

# tensor的其他操作
torch.add(x,y) # 假設x和y是tensor，此為相加，等價于x+y
x.add_(y) # 假設x是tensor，直接修改tensor的值

# CUDA在torch中的使用
torch.cuda.is_available()
# 使用顯卡
device = torch.device('cuda')
torch.zeros([2,3],device=device)
a = torch.zeros([2,3])
a.to(device)
# 使用CPU
device_cpu = torch.device('cpu')
a.to(device_cpu)