版權(quán)聲明：本文為博主原創(chuàng)文章，遵循 CC 4.0 BY-SA 版權(quán)協(xié)議，轉(zhuǎn)載請(qǐng)附上原文出處鏈接和本聲明。
本文鏈接：https://blog.csdn.net/qq_36556893/article/details/86480120
前言
博主學(xué)習(xí)了PyTorch，發(fā)現(xiàn)這個(gè)深度學(xué)習(xí)框架適合研究和使用。
當(dāng)然，博主熱衷于vs2017這款I(lǐng)DE。雖然博主同樣安裝了PyCharm和Eclipse，但是由于寫(xiě)C++Debug的習(xí)慣，還是選擇了vs2017(和vs2019)作為深度學(xué)習(xí)的集成開(kāi)發(fā)環(huán)境，希望可以幫助博主學(xué)習(xí)深度學(xué)習(xí)知識(shí)。
環(huán)境安裝
主要參考博主的這篇文章：vs2017 開(kāi)始自己的第一個(gè)PyTorch程序

在之后的相關(guān)教程里博主不會(huì)再給出安裝的具體步驟，因?yàn)榘错樞蚩吹脑挍](méi)有這樣的問(wèn)題嘿嘿~

PyTorch入門(mén)實(shí)戰(zhàn)
1.博客：PyTorch 入門(mén)實(shí)戰(zhàn)（一）——Tensor
2.博客：PyTorch 入門(mén)實(shí)戰(zhàn)（二）——Variable
3.博客：PyTorch 入門(mén)實(shí)戰(zhàn)（三）——Dataset和DataLoader
4.博客：PyTorch 入門(mén)實(shí)戰(zhàn)（四）——利用Torch.nn構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)
5.博客：PyTorch 入門(mén)實(shí)戰(zhàn)（五）——2013kaggle比賽 貓狗大戰(zhàn)的實(shí)現(xiàn)
目錄

前言

環(huán)境安裝

一、Tensor的創(chuàng)建和使用

二、Tensor放到GPU上執(zhí)行

三、Tensor總結(jié)

一、Tensor的創(chuàng)建和使用
1.概念和TensorFlow的是基本一致的，只是代碼編寫(xiě)格式的不同。我們聲明一個(gè)Tensor，并打印它，例如：

import torch
#定義一個(gè)Tensor矩陣
a = torch.Tensor([1, 2], [3, 4],[5, 6], [7, 8])
print(a)
print('{}'.format(a))
然后會(huì)發(fā)現(xiàn)報(bào)以下錯(cuò)誤：

new() received an invalid combination of arguments - got (list, list, list, list), but expected one of: ?* (torch.device device) ?* (torch.Storage storage) ?* (Tensor other) ?* (tuple of ints size, torch.device device) ?* (object data, torch.device device)?
?????????????????????????????

意思是接收到無(wú)效的參數(shù)組合。其實(shí)是少寫(xiě)了一對(duì)中括號(hào)，這是初學(xué)者的常用錯(cuò)誤。

2.改成如下形式：

import torch
#定義一個(gè)Tensor矩陣
a = torch.Tensor([[1, 2], [3, 4],[5, 6], [7, 8]])
print(a)
print('{}'.format(a))
結(jié)果為：

??????????????????????????????????????????????????????????????

3.如果想查看的它的大小可以加一句話：

import torch
#定義一個(gè)Tensor矩陣
a = torch.Tensor([[1, 2], [3, 4],[5, 6], [7, 8]])
print('{}'.format(a.size()))
結(jié)果為：

??????????????????????????????????????????????????????????????

即4行2列的矩陣

4.如果想生成一個(gè)全為0的矩陣，可以輸入如下代碼：

import torch
#定義一個(gè)Tensor矩陣
a = torch.Tensor([[1, 2], [3, 4],[5, 6], [7, 8]])
print('{}'.format(a.size()))
b = torch.zeros((4, 2))
print(b)
結(jié)果為：

???????????????????????????????????????????????????????????

即4行2列數(shù)組元素全為0的矩陣

5.如果想生成不同類(lèi)型的數(shù)據(jù)，可以改變torch.后面函數(shù)名稱(chēng)，例如下面這樣：

import torch
#定義一個(gè)Tensor矩陣
a = torch.Tensor([[1, 2], [3, 4],[5, 6], [7, 8]])
print('{}'.format(a))
b = torch.zeros((4, 2))
print(b)
c = torch.IntTensor([[1, 2], [3, 4],[5, 6], [7, 8]])
print(c)
d = torch.LongTensor([[1, 2], [3, 4],[5, 6], [7, 8]])
print(d)
e = torch.DoubleTensor([[1, 2], [3, 4],[5, 6], [7, 8]])
print(e)
結(jié)果為：

??????????????????????????????????????????????????????????

6.如果想訪問(wèn)Tensor里的一個(gè)元素或者改變它，可以輸入如下代碼：

print(e[1, 1])
#改變?cè)刂?br /> e[1, 1] = 3
print(e[1, 1])
代碼變?yōu)?#xff1a;?

import torch
#定義一個(gè)Tensor矩陣
a = torch.Tensor([[1, 2], [3, 4],[5, 6], [7, 8]])
print('{}'.format(a))
b = torch.zeros((4, 2))
print(b)
c = torch.IntTensor([[1, 2], [3, 4],[5, 6], [7, 8]])
print(c)
d = torch.LongTensor([[1, 2], [3, 4],[5, 6], [7, 8]])
print(d)
e = torch.DoubleTensor([[1, 2], [3, 4],[5, 6], [7, 8]])
print(e)
print(e[1, 1])
#改變?cè)刂?br /> e[1, 1] = 3
print(e[1, 1])
結(jié)果為：

?????????????????????????????????????????????????????????????????

說(shuō)明原來(lái)4的位置數(shù)值變?yōu)榱?

7.最重要的是Tensor和Numpy之間的轉(zhuǎn)換，例如我們把e變?yōu)閚umpy類(lèi)型，添加以下代碼：

f = e.numpy()
print(f)
變?yōu)?#xff1a;

import torch
#定義一個(gè)Tensor矩陣
a = torch.Tensor([[1, 2], [3, 4],[5, 6], [7, 8]])
print('{}'.format(a))
b = torch.zeros((4, 2))
print(b)
c = torch.IntTensor([[1, 2], [3, 4],[5, 6], [7, 8]])
print(c)
d = torch.LongTensor([[1, 2], [3, 4],[5, 6], [7, 8]])
print(d)
e = torch.DoubleTensor([[1, 2], [3, 4],[5, 6], [7, 8]])
print(e)
print(e[1, 1])
#改變?cè)刂?br /> e[1, 1] = 3
print(e[1, 1])
#轉(zhuǎn)換為Numpy
f = e.numpy()
print(f)
結(jié)果為：?

?????????????????????????????????????????????????????????????

可以看到?jīng)]有tensor()了~

我們?cè)侔裦變?yōu)閠ensor類(lèi)型，輸入以下代碼：

g = torch.from_numpy(f)
print(g)
變?yōu)?#xff1a;

import torch
#定義一個(gè)Tensor矩陣
a = torch.Tensor([[1, 2], [3, 4],[5, 6], [7, 8]])
print('{}'.format(a))
b = torch.zeros((4, 2))
print(b)
c = torch.IntTensor([[1, 2], [3, 4],[5, 6], [7, 8]])
print(c)
d = torch.LongTensor([[1, 2], [3, 4],[5, 6], [7, 8]])
print(d)
e = torch.DoubleTensor([[1, 2], [3, 4],[5, 6], [7, 8]])
print(e)
print(e[1, 1])
#改變?cè)刂?br /> e[1, 1] = 3
print(e[1, 1])
#轉(zhuǎn)換為Numpy
f = e.numpy()
print(f)
#轉(zhuǎn)換為T(mén)ensor
g = torch.from_numpy(f)
print(g)
結(jié)果為：

??????????????????????????????????????????????????????????????????

可以看到又變成了Tensor類(lèi)型~

二、Tensor放到GPU上執(zhí)行
1.通過(guò)如下代碼判斷是否支持GPU：

if torch.cuda.is_available():
? ? h = g.cuda()
? ? print(h)
變?yōu)?/p>

import torch
#定義一個(gè)Tensor矩陣
a = torch.Tensor([[1, 2], [3, 4],[5, 6], [7, 8]])
print('{}'.format(a))
b = torch.zeros((4, 2))
print(b)
c = torch.IntTensor([[1, 2], [3, 4],[5, 6], [7, 8]])
print(c)
d = torch.LongTensor([[1, 2], [3, 4],[5, 6], [7, 8]])
print(d)
e = torch.DoubleTensor([[1, 2], [3, 4],[5, 6], [7, 8]])
print(e)
print(e[1, 1])
#改變?cè)刂?br /> e[1, 1] = 3
print(e[1, 1])
#轉(zhuǎn)換為Numpy
f = e.numpy()
print(f)
#轉(zhuǎn)換為T(mén)ensor
g = torch.from_numpy(f)
print(g)
#將Tensor放在GPU上
if torch.cuda.is_available():
? ? h = g.cuda()
? ? print(h)
2.生成結(jié)果會(huì)慢一下，然后可以看到多了一個(gè)device=‘cuda:0’：

?????????????????????????????????????????????????

三、Tensor總結(jié)
1.Tensor和Numpy都是矩陣，區(qū)別是前者可以在GPU上運(yùn)行，后者只能在CPU上

2.Tensor和Numpy互相轉(zhuǎn)化很方便，類(lèi)型也比較兼容

3.Tensor可以直接通過(guò)print顯示數(shù)據(jù)類(lèi)型，而Numpy不可以，例如：dtype = torch.float64

————————————————
版權(quán)聲明：本文為CSDN博主「悲戀花丶無(wú)心之人」的原創(chuàng)文章，遵循 CC 4.0 BY-SA 版權(quán)協(xié)議，轉(zhuǎn)載請(qǐng)附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/qq_36556893/article/details/86480120

總結(jié)

以上是生活随笔為你收集整理的PyTorch 入门实战的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。