本文将从最基础的 pytorch 操作一步步学习
1、通过python列表创建 torch数据
# 导入pytorch的库在这里也就是torch
import torch
# 通过一个列表来创建 torch
data1 = torch.tensor([[1.1, -1.1], [1. , -1.1]])这里备注下，其实在 torch 中 tensor 很多操作都很类似 numpy 这个库
2、通过 numpy 的数组来创建 tensor
data2 = torch.tensor(np.array([[1,2,3],[4, 5, 6]]))
输出：
tensor([[1, 2, 3],
[4, 5, 6]], dtype=torch.int32)3、通过 torch自带的 api 来创建 tensor
torch.empty(3, 4 ) 创建3行4列的空tensor，说是创建空的，其实就是0
torch.ones( [3,4] ) 创建3行4列的全为1的 tensor
torch.zeros([3,4]) 创建3行4列全为0的tensor
torch.rand([3,4]) 创建一个3行4列的tensor，其中的元素为0~1 之间的数据
torch.randn([3,4]) 创建一个3行4列的tensor，其实里面的元素方差为1，均值为04、获取 torch 中的数据
4.1 当只有一个元素的时候
# 当 torch 中只有一个元素的时候，可以用 item() 来获取这个元素
t1 = a = torch.tensor(np.arange(1))
print(t1)
# out：tensor([0], dtype=torch.int32)
print(t1.item())
# out:04.2 转化成 numpy 数组来实现读取。
t1 = a = torch.randn([3, 4])
print(type(t1))
print(t1)
print(type(t1.numpy()))
print(t1.numpy())
out:
tensor([[-2.1239, -0.0909, -1.5348, -1.2876],
[-0.9081, 0.3360, 1.6969, 0.3123],
[ 0.3102, 0.8689, -0.3897, 0.2151]])
[[-2.123888 -0.09085716 -1.534757 -1.2876265 ]
[-0.90809774 0.3359716 1.696873 0.3122723 ]
[ 0.31016025 0.86885756 -0.38969612 0.21510045]] 从上面输出的结果来看，torch 经过转换后就变成了 numpy 这个数组
5、torch 其他常见的属性操作
5.1、torch 获取其形状
data2 = torch.empty(3, 4)
data2.size()
# torch.Size([3, 4])5.2、torch 获取其形状
data2 = torch.empty(3, 4)
data2 = data2.view(2,6)
# tensor([[0., 0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0., 0.]])在 numpy 中改变形状是使用 shape，来改变，而在 torch 中是通过 view 来改变
5.3、其他操作
获取最大值：`tensor.max()`
转置：`tensor.t()`
获取某行某列的值：`tensor[1,3]` 这里就是获取tensor中第一行第三列的值
tensor[1,3]=100` 对tensor中第一行第三列的位置进行赋值100`
torch切片： x[:,1]6、torch 常见的数据类型
数据类型的获取 x.dtype # torch.int32
数据类型的设置 torch.ones([2,3],dtype=torch.float32)
数据类型的修改 a.type(torch.float) # 比如a 在之前已经设置过了，如果这样再设置一遍就是修改了7、torch 的基本运算操作
x = x.new_ones(5, 3, dtype=torch.float)
y = torch.rand(5, 3)
# 相加操作
x+y
torch.add(x,y)
x.add(y)
x.add_(y)
注意的是最后这一种操作会改变X的值 x +10 # 也就是对每个元素进行+10