深度学习实战笔记（一）：pytorch基本操作

深度学习实战笔记&＃xff08;一&＃xff09;&＃xff1a;pytorch基本操作

首先我们将pytorch加载出来&＃xff0c;这里用jupyter演示&＃xff0c;方便一点。

import torch


1.生成随机值(使用rand和randn两种方法&＃xff0c;具体差异请看代码里的注释):

#生成随机值&＃xff0c;rand 生成均匀分布的伪随机数。分布在&＃xff08;0~1&＃xff09;之间
x&＃61;torch.rand(4,4)
x


#生成随机值&＃xff0c;randn 生成标准正态分布的伪随机数&＃xff08;均值为0&＃xff0c;方差为1&＃xff09;
x&＃61;torch.randn(4,4)
x


2.初始化一个全零矩阵

x&＃61;torch.zeros(4,6,dtype&＃61;torch.long)
x


3.传入数据

x&＃61;torch.tensor([6,7,8])
x


x&＃61;x.new_ones(3,6,dtype&＃61;torch.float)x&＃61;torch.randn_like(x,dtype&＃61;float)
x


4.查看矩阵大小

x.size()


5.基本运算

y&＃61;torch.rand(3,6)
#x&＃43;y
torch.add(x,y)


y&＃61;torch.rand(3,6)
x*y
#torch.multiply(x,y)


6.与numpy的交互
tensor格式转换为array格式:

a&＃61;torch.ones(5)
b&＃61;a.numpy()
b


array格式转换为tensor格式:

import numpy as np
a&＃61;np.ones(4)
b&＃61;torch.from_numpy(a)
b