0.1.5

pytorch 学习笔记

September 22, 2017

woobamboo

1. 安装

pytorch主页有详细说明.

os: osx-package mamnager: conda-python 3.6-no CPU

conda install pytorch torchvision -c soumith 
python
>>> import torch 出现错误。
解决：pip install numpy --upgrade

2.Torch 或 Numpy

import torch
import numpy as np

np_data = np.arange(6).reshape((2,3))
torch_data = torch.from_numpy(np_data)
tensor2array = torch_data.numpy()
print(
    '\nnumpy array:', np_data,          # [[0 1 2], [3 4 5]]
    '\ntorch tensor:', torch_data,      #  0  1  2 \n 3  4  5    [torch.LongTensor of size 2x3]
    '\ntensor to array:', tensor2array, # [[0 1 2], [3 4 5]]
)

np.arange与range

使用方式相似，np.arange([start,] stop[, step,], dtype=None);range(start, stop[, step])

但np.arange产生的是array类型的数据。

torch data对应的numpy array类型: 可通过函数互换。

In [14]: torch_data
Out[14]:

0  1  2
3  4  5
[torch.LongTensor of size 2x3]

In [15]: np_data
Out[15]:
array([[0, 1, 2],
      [3, 4, 5]])

3. Torch 中的数学运算

简单计算

Tensor 和numy一样，且能互相转换，转换前后没有发生内存的复制，所以修改其中某一方的值，也会引起另一方改变。

# np.array 转为Tensor
import numpy as np
a = np.ones(5)
# 使用torch.from_numpy即可实现转换
b = torch.from_numpy(a)  # out: [torch.DoubleTensor of size 5]
np.add(a, 1, out=a)
print(a)
print(b)            # a b的值都变为2

Tensor，即numpy中的多维数组。上面已经提到过，PyTorch对其加入了GPU支持。同时，PyTorch中的Tensor可以与numpy中的array很方便地进行互相转换。

x = torch.Tensor(5, 3)  # construct a 5x3 matrix, uninitialized
# 或者随机填充
y = torch.rand(5, 3)    # construct a randomly initialized matrix
# 使用size方法可以获得tensor的shape信息，torch.Size 可以看做 tuple
x.size()                # out: torch.Size([5, 3])

data = [-1, -2, 1, 2]
tensor = torch.FloatTensor(data)  # 转换成32位浮点 tensor

np.abs(data)
torch.abs(tensor)  

np.sin(data)
torch.sin(tensor)

np.mean(data)
torch.mean(tensor)

abs 
numpy:  [1 2 1 2] 
torch:  
 1
 2
 1
 2
[torch.FloatTensor of size 4]

numpy 是横着排列，tensor 是纵向排列的(\n)。

矩阵计算

# matrix multiplication 矩阵点乘
data = [[1,2], [3,4]]
tensor = torch.FloatTensor(data)  # 转换成32位浮点 tensor

np.matmul(data, data)
torch.mm(tensor, tensor) 
[[7,10]，[15,22]]

GPU计算

PyTorch中使用GPU计算很简单，通过调用.cuda()方法，很容易实现GPU支持。

# let us run this cell only if CUDA is available
if torch.cuda.is_available():
    print('cuda is avaliable')
    x = x.cuda()
    y = y.cuda()
    x + y          # 在GPU上进行计算

感谢莫烦python，xmfbit

Recent posts