未经允许，不得转载，谢谢~~
PyTorch是一个深度学习的框架。
简单记录整理。
Pytorch是什么
基于Python的科学计算包：
- 代替numpy能使用GPU进行计算
- 灵活性很高的一个深度学习研究平台
Tensor的基本用法
Tensor（张量）跟numpy的数组很像，但是它可以使用GPU来进行计算的加速。
import packet
from __future__ import print_function
import torch
Construct a 5x3 matrix, uninitialized:
x = torch.Tensor(5, 3)
print(x)
Construct a randomly initialized matrix
x = torch.rand(5, 3)
print(x)
Get its size
print(x.size())
torch.Size本质是元祖tuple
addition of Tensors
以下的运行结果都是一样的。
x=torch.rand(5,3)
y=torch.rand(5,3)
# syntax 1
print(x + y)
# syntax 2
print(torch.add(x, y))
# syntax 3 - giving an output tensor
result = torch.Tensor(5, 3)
torch.add(x, y, out=result)
print(result)
# syntax 4 - in-place
y.add_(x)
print(y)
numpy-like indexing
像numpy一样的用法来索引。
print(x[:, 1])
numpy array 与 torch Tensor的相互转换
- 这里的转换相对应的array与Tensor共享同一块内存，改变一个也会改变另外一个。
- 所有还在CPU上运行的Tensor除了CharTensor之外都支持与numpy Array的相互转化。
Tensor转为array
a = torch.ones(5)
print(a)
# convert from tensor to Array
b = a.numpy()
print(b)
# share the same memory
a.add_(1)
print(a)
print(b)
Array 转为 Tensor
import numpy as np
a = np.ones(5)
# convert from array to Tensor
b = torch.from_numpy(a)
np.add(a, 1, out=a)
# share the same memory
print(a)
print(b)
CUDA Tensors
用.cuda函数可以讲张量移到GPU上
if torch.cuda.is_available():
print ("succ")
x = x.cuda()
y = y.cuda()
x + y
more
关于Tensor的操作，例如转置, 索引，切片，数学计算等都可以在更多Tensor操作中找到。
基本就是对官网的getting started的一个小小翻译，能力有限，权当自己做笔记吧～～～
