数据科学与大数据技术班邓伟.pptxVIP

数据科学与大数据技术202班-邓伟-270720020420xxxxx

-目录PyTorch实验01

数据科学与大数据技术202班-邓伟-2707200204《深度学习原理及应用》课程实验报告实验名称：PyTorch实验姓名：邓伟学号:2707200204

PyTorch实验1

PyTorch实验NEXT1.1实验介绍

Pytorch是由Facebook支持的一套深度学习开源框架，相比较Tensorflow，它更加容易快速上手，所以一经推出就广受欢迎。Tensor(张量)是PyTorch的基础数据结构，自动微分运算是深度学习的核心。在本实验中我将学习PyTorch中Tensor的用法，以及简单的自动微分变量原理，最后，我还会使用PyTorch构建一个简单的线性回归网络

1.2实验知识点

?PyTorch简介

?PyTorch中的张量及其运算

?PyTorch中的自动微分运算

?用PyTorch实现线性回归

1.3实验环境

PyTorch实验?Python3.9

?PyTorch1.10.2

?pycharm

2.1使用Tensor

PyTorch是一个开源的深度学习框架，由Facebook支持开发

它的前身为Torch，但因为Torch使用的编程语言是Lua，在国内流行度很小

Facebook为了迎合数量更多的Python用户的需求，推出了PyTorch

PyTorch完全开源意味着你可以轻易获取它的代码，并按照自己的需求对它进行修改

PyTorch实验比如让PyTorch支持复数运算等等PyTorch还有另外一个非常出众的特点是，使用PyTorch框架编写出的神经网络模型的代码非常简洁实现同样的功能，使用PyTorch框架编写的代码往往更清晰明了1阶的张量可以看做是一个向量，通过索引可以取到一个值2阶张量可以看做为一个矩阵，通过索引可以取到一个个的向量3阶张量有点抽象，不过我们可以从图中看出，3阶张量其实就是在2阶张量的矩阵中增加了一个深度也就是说在3阶张量中我们可以通过索引取到一个个的矩阵我们不难想象，4阶张量也就是在3阶张量上增加了另外一个轴……我们可以使用**Tensor.size()**方法获得一个张量的尺寸

PyTorch实验在这里注意尺寸和维度是两个概念就比如对于上图中的1阶张量，它的维度为1，尺寸为8对于上图中的2阶张量，它的维度为2，尺寸为(8，6)要使用PyTorch，首先需要在Python中引入PyTorch的包importtorch#计算机视觉软件包importtorchvision#torch版本print(torch.__version__)#计算机视觉软件包版本print(torchvision.__version__)#是否有GPU及其版本print(torch.cuda.is_available())print(torch.version.cuda)1.10.20.11.3

PyTorch实验True11.3#没有数据的创建选项：#print(torch.eye(2))#print(torch.zeros(2,2))#print(torch.ones(2,2))#print(torch.rand(2,2))tensor([[1.,0.],[0.,1.]])tensor([[0.,0.],[0.,0.]])tensor([[1.,1.],[1.,1.]])tensor([[0.3657,0.9712],

PyTorch实验[0.9962,0.9617]])2.2基本Tensor运算#创建一个5*3的全1矩阵y=torch.ones(5,3)print(y)#计算两个矩阵相加z=x+yprint(z)#矩阵转置print(y.t())#矩阵相乘print(x.mm(y.t()))#点乘print(x*y)

PyTorch实验转置操作可以用.t()来完成，也可以用transpose(0,1)来完成2.2Tensor与numpy.ndarray之间的转换PyTorch的Tensor可以与Python的常用数据处理包Numpy中的多维数组进行转换importtorchimportnumpyasnp#为深度学习创建PyTorch张量-最佳选择#Tensor与tensor区别：区别是：默认数据类型与指定的数据类型data=np.array([1,2,3])#另外一种转换Tensor的方法，为torch.FloatTens