PyTorch基礎入門一：PyTorch基本數據類型

1）Tensor(張量)

Pytorch里面處理的最基本的操作對象就是Tensor（張量），它表示的其實就是一個多維矩陣，并有矩陣相關的運算操作。在使用上和numpy是對應的，它和numpy唯一的不同就是，pytorch可以在GPU上運行，而numpy不可以。所以，我們也可以使用Tensor來代替numpy的使用。當然，二者也可以相互轉換。

Tensor的基本數據類型有五種：

• 32位浮點型：torch.FloatTensor。pyorch.Tensor()默認的就是這種類型。
• 64位整型：torch.LongTensor。
• 32位整型：torch.IntTensor。
• 16位整型：torch.ShortTensor。
• 64位浮點型：torch.DoubleTensor。
  

那么如何定義Tensor張量呢？其實定義的方式和numpy一樣，直接傳入相應的矩陣即可即可。下面就定義了一個三行兩列的矩陣：

import torch
# 導包
 
a = torch.Tensor([[1, 2], [3, 4], [5, 6]])
print(a)

不過在項目之中，更多的做法是以特殊值或者隨機值初始化一個矩陣，就像下面這樣：

import torch
 
# 定義一個3行2列的全為0的矩陣
b = torch.zeros((3, 2))
 
# 定義一個3行2列的隨機值矩陣
c = torch.randn((3, 2))
 
# 定義一個3行2列全為1的矩陣
d = torch.ones((3, 2))
 
print(b)
print(c)
print(d)

Tensor和numpy.ndarray之間還可以相互轉換，其方式如下：

• Numpy轉化為Tensor：torch.from_numpy(numpy矩陣)
• Tensor轉化為numpy：Tensor矩陣.numpy()
  

范例如下：

import torch
import numpy as np
 
# 定義一個3行2列的全為0的矩陣
b = torch.randn((3, 2))
 
# tensor轉化為numpy
numpy_b = b.numpy()
print(numpy_b)
 
# numpy轉化為tensor
numpy_e = np.array([[1, 2], [3, 4], [5, 6]])
torch_e = torch.from_numpy(numpy_e)
 
print(numpy_e)
print(torch_e)

之前說過，numpy與Tensor最大的區(qū)別就是在對GPU的支持上。Tensor只需要調用cuda()函數就可以將其轉化為能在GPU上運行的類型。

我們可以通過torch.cuda.is_available()函數來判斷當前的環(huán)境是否支持GPU，如果支持，則返回True。所以，為保險起見，在項目代碼中一般采取“先判斷，后使用”的策略來保證代碼的正常運行，其基本結構如下：

import torch
 
# 定義一個3行2列的全為0的矩陣
tmp = torch.randn((3, 2))
 
# 如果支持GPU，則定義為GPU類型
if torch.cuda.is_available():
  inputs = tmp.cuda()
# 否則，定義為一般的Tensor類型
else:
  inputs = tmp

2）Variable(變量)

Pytorch里面的Variable類型數據功能更加強大，相當于是在Tensor外層套了一個殼子，這個殼子賦予了前向傳播，反向傳播，自動求導等功能，在計算圖的構建中起的很重要的作用。Variable的結構圖如下：

其中最重要的兩個屬性是：data和grad。Data表示該變量保存的實際數據，通過該屬性可以訪問到它所保存的原始張量類型，而關于該 variable（變量）的梯度會被累計到.grad 上去。

在使用Variable的時候需要從torch.autograd中導入。下面通過一個例子來看一下它自動求導的過程：

import torch
from torch.autograd import Variable
 
# 定義三個Variable變量
x = Variable(torch.Tensor([1, 2, 3]), requires_grad=True)
w = Variable(torch.Tensor([2, 3, 4]), requires_grad=True)
b = Variable(torch.Tensor([3, 4, 5]), requires_grad=True)
 
# 構建計算圖，公式為：y = w * x^2 + b
y = w * x * x + b
 
# 自動求導，計算梯度
y.backward(torch.Tensor([1, 1, 1]))
 
print(x.grad)
print(w.grad)
print(b.grad)

上述代碼的計算圖為y = w * x^2 + b。對x, w, b分別求偏導為：x.grad = 2wx，w.grad=x^2，b.grad=1。代值檢驗可得計算結果是正確的。

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。

最新評論