深度学习实战笔记（一）：pytorch基本操作

首先我们将pytorch加载出来，这里用jupyter演示，方便一点。

import torch

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

#生成随机值，rand 生成均匀分布的伪随机数。分布在（0~1）之间
x=torch.rand(4,4)
x

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

2.初始化一个全零矩阵

x=torch.zeros(4,6,dtype=torch.long)
x

3.传入数据

x=torch.tensor([6,7,8])
x

x=x.new_ones(3,6,dtype=torch.float)

x=torch.randn_like(x,dtype=float)
x

4.查看矩阵大小

x.size()

5.基本运算

y=torch.rand(3,6)
#x+y
torch.add(x,y)

y=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=torch.ones(5)
b=a.numpy()
b

array格式转换为tensor格式:

import numpy as np
a=np.ones(4)
b=torch.from_numpy(a)
b