PyTorch 설치 및 기본 사용 상세 설명
어떤 사람들 은 항상 선택 한 사람 이 가장 많은 틀 을 자신의 초학 틀 로 삼 는 다.예 를 들 어
Tensorflow
이다.그러나 대부분 논문 의 실현 은 PyTorch
을 바탕 으로 한다.만약 에 우리 가 논문 의 세부 사항 을 깊이 파고 들 려 면 반드시 학습 입문 PyTorch
을 선택해 야 한다.PyTorch 설치
명령 한 줄 이면 홈 페이지 입 니 다.
pip install torch===1.6.0 torchvision===0.7.0 - https://download.pytorch.org/whl/torch_stable.html
시간 이 비교적 오래 되 어 인내심 을 가지 고 기다리다.자신 이 설치 성공 여 부 를 테스트 합 니 다.
실행 명령 테스트
import torch
x = torch.rand(5,3)
print(x)
출력tensor([[0.5096, 0.1209, 0.7721],
[0.9486, 0.8676, 0.2157],
[0.0586, 0.3467, 0.5015],
[0.9470, 0.5654, 0.9317],
[0.2127, 0.2386, 0.0629]])
PyTorch 공 부 를 시작 하 겠 습 니 다.
초기 화 되 지 않 은 생 성
import torch
x = torch.empty([5,5])
print(x)
출력tensor([[0., 0., 0.],
[0., 0., 0.],
[0., 0., 0.],
[0., 0., 0.],
[0., 0., 0.]])
0-1 의
을 무 작위 로 만 듭 니 다.
import torch
x = torch.rand(5,5)
print(x)
출력tensor([[0.3369, 0.5339, 0.8419, 0.6857, 0.6241],
[0.4991, 0.1691, 0.8356, 0.4574, 0.0395],
[0.9714, 0.2975, 0.9322, 0.5213, 0.8509],
[0.3037, 0.8690, 0.3481, 0.2538, 0.9513],
[0.0156, 0.9516, 0.3674, 0.1831, 0.6466]])
모두 0 인
만 들 기
import torch
x = torch.zeros(5,5, dtype=torch.float32)
print(x)
만 들 때 dtype
을 통 해 데이터 형식 을 지정 할 수 있 습 니 다.출력
tensor([[0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0.],
[0., 0., 0., 0., 0.]])
데 이 터 를 사용 하여
을 직접 만 듭 니 다.
import torch
x = torch.zeros([5,5], dtype=torch.float32)
print(x)
출력tensor([5., 5.])
기 존
tensor
을 사용 하여 새로운 tensor
을 만 듭 니 다.
import torch
x = torch.tensor([5,5], dtype=torch.float32)
x = x.new_zeros(5, 3)
y = torch.rand_like(x)
print(x)
print(y)
출력tensor([[0., 0., 0.],
[0., 0., 0.],
[0., 0., 0.],
[0., 0., 0.],
[0., 0., 0.]])
tensor([[0.5552, 0.3333, 0.0426],
[0.3861, 0.3945, 0.6658],
[0.6978, 0.3508, 0.4813],
[0.8193, 0.2274, 0.8384],
[0.9360, 0.9226, 0.1453]])
tensor
의 차원 정 보 를 관찰 하 다.
x = torch.rand(3,3)
x.size()
출력torch.Size([3, 3])
간단 한 연산
x = torch.tensor([1])
y = torch.tensor([3])
'''
1
'''
z = x + y
'''
2
'''
z = torch.add(x, y)
'''
3
'''
result = torch.empty(1)
#
torch.add(x, y, out=result)
# result
'''
4
'''
x.add_(y)
출력tensor([4])
색인 조작
x = torch.rand(5,5)
x[:,:]
x[1,:]
x[:,1]
x[1,1]
각각 출력tensor([[0.4012, 0.2604, 0.1720, 0.0996, 0.7806],
[0.8734, 0.9087, 0.4828, 0.3543, 0.2375],
[0.0924, 0.9040, 0.4408, 0.9758, 0.2250],
[0.7179, 0.7244, 0.6165, 0.1142, 0.7363],
[0.8504, 0.0391, 0.0753, 0.4530, 0.7372]])
tensor([0.8734, 0.9087, 0.4828, 0.3543, 0.2375])
tensor([0.2604, 0.9087, 0.9040, 0.7244, 0.0391])
tensor(0.9087)
차원 변환
x = torch.rand(4,4)
x.view(16)
x.view(8,2)
x.view(-1,8)
각각 출력tensor([0.9277, 0.9547, 0.9487, 0.9841, 0.4114, 0.1693, 0.8691, 0.3954, 0.4679,
0.7914, 0.7456, 0.0522, 0.0043, 0.2097, 0.5932, 0.9797])
tensor([[0.9277, 0.9547],
[0.9487, 0.9841],
[0.4114, 0.1693],
[0.8691, 0.3954],
[0.4679, 0.7914],
[0.7456, 0.0522],
[0.0043, 0.2097],
[0.5932, 0.9797]])
tensor([[0.9277, 0.9547, 0.9487, 0.9841, 0.4114, 0.1693, 0.8691, 0.3954],
[0.4679, 0.7914, 0.7456, 0.0522, 0.0043, 0.2097, 0.5932, 0.9797]])
메모:차원 변환 데이터 의 수량 이 일치 해 야 합 니 다.
여기 서 PyTorch 설치 와 기본 사용 에 관 한 상세 한 설명 을 소개 합 니 다.더 많은 PyTorch 설치 와 사용 내용 은 저희 의 이전 글 을 검색 하거나 아래 의 관련 글 을 계속 읽 어 주시 기 바 랍 니 다.앞으로 도 많은 응원 부 탁 드 리 겠 습 니 다!
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
IceVision에서 형식별 데이터를 읽는 방법2021년에 가장 멋있는 물체 검출 프레임워크라고 해도 과언이 아닌 IceVision을 사용해, VOC format과 COCO format의 데이터 세트에 대해 Object Detection을 간단하게 실시하기 위한...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.