正文 

当前位置： 首页 > 技术 > java教程

pytorch60分钟入门教程：pytorch深度学习官方入门中文教程(代码片段)

tensorflownews tensorflownews     2023-02-14     775

关键词：

什么是 PyTorch?

PyTorch 是一个基于 Python 的科学计算包，主要定位两类人群：


  • NumPy 的替代品，可以利用 GPU 的性能进行计算。

  • 深度学习研究平台拥有足够的灵活性和速度



开始学习



Tensors (张量)


Tensors 类似于 NumPy 的 ndarrays ，同时  Tensors 可以使用 GPU 进行计算。


from future import print_function

import torch





构造一个5x3矩阵，不初始化。




x = torch.empty(5, 3)

print(x)



输出:

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]])

 

构造一个随机初始化的矩阵：



x = torch.rand(5, 3)

print(x)



输出:

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]])

 

构造一个矩阵全为 0，而且数据类型是 long.

Construct a matrix filled zeros and of dtype long:



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

print(x)



输出:

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

构造一个张量，直接使用数据：



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

print(x)



输出:

tensor([ 5.5000,  3.0000])

创建一个 tensor 基于已经存在的 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



输出:

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]])

获取它的维度信息:



print(x.size())



输出:

torch.Size([5, 3])

注意

torch.Size  是一个元组，所以它支持左右的元组操作。

操作

在接下来的例子中，我们将会看到加法操作。 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: 提供一个输出 tensor 作为参数 
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 任何使张量会发生变化的操作都有一个前缀 ‘_‘。例如：x.copy_(y), x.t_(), 将会改变 x.

你可以使用标准的  NumPy 类似的索引操作

print(x[:, 1])

Out:

tensor([ 0.4477, -0.0048,  1.0878, -0.2174,  1.3609])
改变大小：如果你想改变一个 tensor 的大小或者形状，你可以使用 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])
如果你有一个元素 tensor ，使用 .item() 来获得这个 value 。 
x = torch.randn(1)
print(x)
print(x.item())

Out:

tensor([ 0.9422])
0.9422121644020081
PyTorch windows 安装教程：两行代码搞定 PyTorch 安装 http://pytorchchina.com/2018/12/11/pytorch-windows-install-1/ PyTorch Mac 安装教程 http://pytorchchina.com/2018/12/11/pytorch-mac-install/ PyTorch Linux 安装教程 http://pytorchchina.com/2018/12/11/pytorch-linux-install/
PyTorch QQ群
技术分享图片

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


































































pytorch深度学习60分钟快速入门part1：pytorch是什么？

 0x00PyTorch是什么？PyTorch是一个基于Python的科学计算工具包，它主要面向两种场景：用于替代NumPy，可以使用GPU的计算力一种深度学习研究平台，可以提供最大的灵活性和速度0x01开始学习1、TensorsTensors（张量）类似于numpy的ndar... 查看详情

pytorch深度学习：60分钟入门(translation)

这是https://zhuanlan.zhihu.com/p/25572330的学习笔记。 TensorsTensors和numpy中的ndarrays较为相似,因此Tensor也能够使用GPU来加速运算。from__future__importprint_functionimporttorchx=torch.Tensor(5,3)#构造一个未初始化的5*3的矩阵x=torch.rand 查看详情

pytorch深度学习60分钟闪电战(代码片段)

https://pytorch.org/tutorials/beginner/deep_learning_60min_blitz.html官方推荐的一篇教程Tensors#Constructa5x3matrix,uninitialized:x=torch.empty(5,3)#Constructarandomlyinitializedmatrix:x=torch.rand(5,3)#Constru 查看详情

pytorch60分钟入门教程：pytorch深度学习官方入门中文教程(代码片段)

什么是 PyTorch?PyTorch是一个基于Python的科学计算包，主要定位两类人群：NumPy的替代品，可以利用GPU的性能进行计算。深度学习研究平台拥有足够的灵活性和速度开始学习Tensors(张量)Tensors类似于NumPy的ndarrays，同时 Tensors可... 查看详情

pytorch深度学习60分钟快速入门part3：神经网络

 神经网络可以通过使用torch.nn包来构建。既然你已经了解了autograd，而nn依赖于autograd来定义模型并对其求微分。一个nn.Module包含多个网络层，以及一个返回输出的方法forward(input)。例如，查看下图中的对数字图片分类的网络... 查看详情

pytorch深度学习60分钟快速入门part2：autograd自动化微分

 在PyTorch中，集中于所有神经网络的是autograd包。首先，我们简要地看一下此工具包，然后我们将训练第一个神经网络。autograd包为张量的所有操作提供了自动微分。它是一个运行式定义的框架，这意味着你的后向传播是由你... 查看详情

pytorch60分钟入门教程：数据并行处理(代码片段)

可选择：数据并行处理（文末有完整代码下载）作者：SungKim 和 JennyKang在这个教程中，我们将学习如何用DataParallel来使用多GPU。通过PyTorch使用多个GPU非常简单。你可以将模型放在一个GPU：device=torch.device("cuda:0")model.to(devic... 查看详情

pytorch之人工智能学习路线

TyTorchhttp://pytorch.org/官网http://pytorch.org/tutorials/入门教程超简单！pytorch入门教程（一）：Tensorhttp://www.jianshu.com/p/5ae644748f21PyTorch深度学习：60分钟入门(Translation)https://zhuanlan.zhihu.com/p/25572330Tensorsan 查看详情

pytorch学习笔记基础知识

PyTorch深度学习：60分钟入门(Translation) 查看详情

深度学习之30分钟快速入门pytorch（附学习资源推荐）(代码片段)

目录1、Pytorch简介1.0如何使用本教程1.1PyTorch由来1.2Torch简介1.3重新认识PyTorch1.4PyTorch和Tensorflow的对比1.5总结2、Pytorch环境搭建2.1安装Pytorch2.2配置JupyterNotebook2.3测试3、张量4、自动求导5、神经网络6、用cifar10训练一个分类器7、数据... 查看详情

[pytorch学习]2.官网60分钟教程摘要(代码片段)

 https://pytorch.org/tutorials/beginner/deep_learning_60min_blitz.html1.Pytorch的基本单元，tensor，本质上和numpy的操作类似；不同的主要在与可以自动计算微分和梯度（Autograd）；2.每个tensor的requires_grad设置为True时，就能够自动计算梯度；操... 查看详情

深度学习为什么选择pytorch？史上最详细pytorch入门教程(代码片段)

目录前言一、Pytorch介绍1.常见的深度学习框架2.Pytorch框架的崛起3.Pytorch与Tensorflow多方位比较二、Tensors1.Tensor的创建2.Tensor的操作3.Tensor与Numpy三、Autograd的讲解1.模型中的前向传播与反向传播2.利用autograd计算梯度四、构建神经网络... 查看详情

pytorch入门与实战----pytorch入门(代码片段)

1.深度学习框架 pytorch与其他框架的比较pytorch的学习方法：课程安排：PyTorch是一个基于Python的科学计算库，它有以下特点:类似于NumPy，但是它可以使用GPU可以用它定义深度学习模型，可以灵活地进行深度学习模型的训练和使... 查看详情

小白入门深度学习|第四篇：配置pytorch环境

查看详情

如何高效入门pytorch？深度学习框架是pytorch还是tensorflow？(代码片段)

PyTorch入门，着实入了不少坑。咱们来谈谈，如何选个合适的教程，避开它们。一、Tensorflow VS  PyTorch    在这之前，有一个问题肯定困惑大家很久了，2021年了，TensorFlow和PyTorch两个深度学习框架学哪个... 查看详情

深度学习理论与实战pytorch实现

课程目录:01.预备内容（入门）02.Python基础（入门）03.PyTorch基础（入门）04.神经网络（进阶）05.卷积神经网络（进阶）06.循环神经网络（进阶）07.生成对抗网络GAN（进阶）08.强化学习（进阶）09.毕业项目 下载地址:深度学习理... 查看详情

对比学习:《深度学习之pytorch》《pytorch深度学习实战》+代码

PyTorch是一个基于Python的深度学习平台，该平台简单易用上手快，从计算机视觉、自然语言处理再到强化学习，PyTorch的功能强大，支持PyTorch的工具包有用于自然语言处理的AllenNLP，用于概率图模型的Pyro，扩展了PyTorch的功能。通... 查看详情

pytorch入门01

1.为什么学习pytorch日益增长的发展速度和深度学习的需要 在谷歌搜索频次和期刊论文引用频次上pytorch也是一直增长，TF比较稳或者说有点下降，尤其在学术界pytorch已经成为主流。2.学哪类知识pytorch：深度学习框架01.数据模... 查看详情