PyTorch 설치 및 기본 사용 상세 설명

뭐 공부 해요?
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)
출력
tensor([[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)
출력
tensor([[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)
출력
tensor([[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)
출력
tensor([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)
출력
tensor([[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()
출력
torch.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)
출력
tensor([4])
색인 조작

x = torch.rand(5,5)
x[:,:]
x[1,:]
x[:,1]
x[1,1]
각각 출력
tensor([[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 출력
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]])
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!

좋은 웹페이지 즐겨찾기