机器学习CV代码练习（九）之Pytorch基础

Bertha 。 2022-08-30 12:53 85阅读 0赞

### 机器学习CV代码练习（九）之Pytorch基础 ###

*  创建Tensor
 *   *  创建指定大小的tensor
     *  创建随机数tensor
     *  创建制定数据类型的tensor
     *  从数据创建tensor
     *  从已经存在的Tensor创建新的Tensor
 *  Tensor的操作
 *   *  加法
     *  Index 定位
     *  Resize
     *  单元素的tensor可以转为普通python值
     *  Tensor转为Numpy数组
     *  Numpy数组转为Tensor
 *  使用GPU (CUDA)
 *  PyTorch的功能
 *  GPU

# 创建Tensor #

## 创建指定大小的tensor ##

import torch
    x = torch.empty(5, 3) 
    print(x)

![在这里插入图片描述][cf96a18d36a8394b48f5b0adb9809e46.png]

## 创建随机数tensor ##

x = torch.rand(5, 3) 
    print(x)

![在这里插入图片描述][aba8c33d4bd15609c8d650a4ec45228a.png]

## 创建制定数据类型的tensor ##

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

![在这里插入图片描述][a4d244ac1433bf21395a5058f079339e.png]

## 从数据创建tensor ##

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

![在这里插入图片描述][fea076e5fc3cd1c3f013cf61ce8bf435.png]

## 从已经存在的Tensor创建新的Tensor ##

x = x.new_ones(5, 3, dtype=torch.double) 
    print(x) 
    y = torch.randn_like(x, dtype=torch.float) # 改变了数据类型! 
    print(y)

![在这里插入图片描述][09fb02b65c099f9aa6a8e792516fdfe5.png]

# Tensor的操作 #

## 加法 ##

y = torch.rand(5, 3) 
    z = x + y # 方式一
    
    z = torch.add(x, y) # 方式二
    
    z = torch.empty(5, 3)  # 方式三
    torch.add(x, y, out=z) # 方式三
    
    y.add_(x) # 方式四, inplace
    print(z)

![在这里插入图片描述][7fbb8df56f6a43852581e672fdbcb252.png]

## Index 定位 ##

Print(x[:, 1])#返回第一列

![在这里插入图片描述][b20b1e330eaef925d9779b5420005f90.png]

## Resize ##

x = torch.randn(4, 4) 
    y = x.view(16) 
    z = x.view(-1, 8) # -1 的位置的值可以按照其它纬度来计算
    print(x.size(), y.size(), z.size())

![在这里插入图片描述][209347cdd47d6bea19864f4e596bfe80.png]

## 单元素的tensor可以转为普通python值 ##

x = torch.randn(1) 
    print(x) 
    print(x.item())#返回python值

![在这里插入图片描述][bcdf5942c275c6261c5c15413d0de290.png]

## Tensor转为Numpy数组 ##

a = torch.ones(5) 
    print(a)
    
    b = a.numpy() #tensor变为numpy数组
    print(b)
    
    a.add_(1) 
    print(a) 
    print(b)

![在这里插入图片描述][48b6cfbccf60fb30b283b6e57eb0150b.png]  
![在这里插入图片描述][0178d930e77fb06e743bc1f257490ab6.png]![在这里插入图片描述][fc4c4babe698d66d036f894133d085e3.png]

## Numpy数组转为Tensor ##

import numpy as np 
    a = np.ones(5) 
    b = torch.from_numpy(a) #numpy变为tensor
    np.add(a, 1, out=a) 
    print(a) 
    print(b)

![在这里插入图片描述][ace83a66447fed9b3ed41444c8caf25a.png]

# 使用GPU (CUDA) #

if torch.cuda.is_available(): 
    	device = torch.device(“cuda”) # CUDA 设备对象
    
    y = torch.ones_like(x, device=device) 
    
    x = x.to(device) # 或者使用 x.to("cuda") 
    z = x + y 
    print(z) 
    print(z.to("cpu", torch.double))

![在这里插入图片描述][98bd85b99ea93b2976d617d3638986db.png]

*  Pytorch用GPU到底能比CPU快多少？  
    https://zhuanlan.zhihu.com/p/35434175

# PyTorch的功能 #

1.  N维 Tensor, 与Numpy数组类似, 但是可以在GPU上运行
2.  自动求导

# GPU #

1.  [https://pytorch.org/tutorials/beginner/blitz/cifar10\_tutorial.html][https_pytorch.org_tutorials_beginner_blitz_cifar10_tutorial.html] cpu net to GPU
2.  Multi-GPU: [https://pytorch.org/tutorials/beginner/blitz/data\_parallel\_tutorial.html][https_pytorch.org_tutorials_beginner_blitz_data_parallel_tutorial.html]

[cf96a18d36a8394b48f5b0adb9809e46.png]: /images/20220829/bc7eccefd8df49548a5fe508e26924a3.png
[aba8c33d4bd15609c8d650a4ec45228a.png]: /images/20220829/7d1c2454d42e49a4b5e9c920794dee46.png
[a4d244ac1433bf21395a5058f079339e.png]: /images/20220829/e2e3fe667a8a44eda8f582c43bc6722f.png
[fea076e5fc3cd1c3f013cf61ce8bf435.png]: /images/20220829/43f3e140cbc1406bab95375898d3bb3b.png
[09fb02b65c099f9aa6a8e792516fdfe5.png]: /images/20220829/6fbdba0881ae45108fe32cae6e2281c4.png
[7fbb8df56f6a43852581e672fdbcb252.png]: /images/20220829/0fbf94d85bde4138af2589802dfffee9.png
[b20b1e330eaef925d9779b5420005f90.png]: /images/20220829/cdc2f6c5db1c4f38941b590f82a0c02b.png
[209347cdd47d6bea19864f4e596bfe80.png]: /images/20220829/85b2c6e5158c42919d42cdb8ccb0c9ca.png
[bcdf5942c275c6261c5c15413d0de290.png]: /images/20220829/6ca31bb11275431a9954ba0a8e783d97.png
[48b6cfbccf60fb30b283b6e57eb0150b.png]: /images/20220829/2b6d61c7450d415e806b76798be06f0c.png
[0178d930e77fb06e743bc1f257490ab6.png]: https://img-blog.csdnimg.cn/img_convert/0178d930e77fb06e743bc1f257490ab6.png
[fc4c4babe698d66d036f894133d085e3.png]: /images/20220829/14d03f5795934b45b82a106389defd40.png
[ace83a66447fed9b3ed41444c8caf25a.png]: /images/20220829/3690bed5d3f14fa0ba31daf3cd84a043.png
[98bd85b99ea93b2976d617d3638986db.png]: /images/20220829/717961511041411b9e8e1fe752149cc7.png
[https_pytorch.org_tutorials_beginner_blitz_cifar10_tutorial.html]: https://pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html
[https_pytorch.org_tutorials_beginner_blitz_data_parallel_tutorial.html]: https://pytorch.org/tutorials/beginner/blitz/data_parallel_tutorial.html