[Python知识库]Pytorch学习

特性

1.高维数组（GPU加速计算）

2.自动求导

dtype该张量存储的值类型。torch.dtype

device张量存放的设备类型? ?cpu或者gpu

data张量节点存储的值

自动微分

requries_grad 表示autograd是是否需要计算此tensor的梯度，默认False

grad存储梯度的值，初始为None

grad_fn反向传播时，用来计算梯度的函数。

is_leaf该张量节点在计算图中是否为叶子节点。

1.Tensor创建

import torch
import numpy as np
numpya = np.array([1,2,3])
torcha = torch.from_numpy(numpya)

torch_tensor1 = torch.Tensor(numpya)
print(torch_tensor1.dpyte)
#torch.float32
torch_tensor2 = torch.tensor(numpya，dtype = torch.float64)
print(torch_tensor1.dpyte)
#torch.float64

在cpu和GPUD上计算

#判断false true
print(torch_tensor1.is_cuda)
#False
torch_tensor3 = torch_tensor1.cuda(0)
print(torch_tensor3.is_cuda)
#True

2.Tensor常用的方法

tensor1 = torch.ones([2,1,3])#创建一个
print(tensor1.size())
tensor2 = tensor1.permute(2,1,0) 
#0,1,2 -> 2,1,0
print(tensor2.size())
#常用到的方法
#torch.cat()
#torch.stack()

参考：

Pytorch动态计算图细节解析_哔哩哔哩_bilibili