Python计算机视觉编程与应用 课件 第9章 PyTorch基础.pptx

PyTorch基础;目录;;1.Tensors张量的概念;创建张量的几种方法

用现有数据创建张量，使用torch.tensor()

如torch.tensor([[1.,-1.],[1.,-1.]])

要创建具有特定大小的张量，请使用torch.*

如torch.randn()#满足标准正态分布的一组随机数据

创建与另一个张量具有相同大小的张量，请使用

torch.*_like

如torch.rand_like()

创建与其他张量具有相似类型但大小不同的张量，请使用tensor.new_*创建操作。;查看张量的属性

查看Tensor类型

tensor1=torch.randn(2,3) #形状为(2,3)一组从标准正态分布中随机抽取的数据

tensor1.dtype#torch.float32

查看Tensor维度和形状

tensor1.shape#查看形状或尺寸

tensor1.ndim#查看维度

查看Tensor是否存储在GPU上

tensor1.is_cuda

查看Tensor的梯度

tensor1.grad;Tensor在CPU和GPU之间转换，以及numpy之间的转换

CPUtensor转GPUtensor

cpu_tensor.cuda()

GPUtensor转CPUtensor

gpu_tensor.cpu()

numpy转为CPUtensor

torch.from_numpy(numpy_test)

CPUtensor转为numpy数据

cpu_tensor.numpy()

注意：

GPUtensor不能直接转为numpy数组，必须先转到CPUtensor。

如果tensor是标量的话，可以直接使用item()函数（只能是标量）将值取出来：loss_output.item();Tensor与NumPy的异同;Tensor与NumPy的函数对比;Python、PyTorch1.x与TensorFlow2.x的比较;1.Tensor张量乘法;1.Tensor张量乘法;1.Tensor张量乘法;1.Tensors张量乘法;1.Tensors张量乘法;;PyTorch1.x的自动微分机制;18;2.Autograd自动求导;2.Autograd自动求导;2.Autograd自动求导;2.Autograd自动求导;2.Autograd自动求导;2.Autograd自动求导;2.Autograd自动求导;;3.神经网络;神经网络关键组件及相互关系;PyTorch构建网络工具;3.神经网络;;3.神经网络;数据处理工具箱;;4.训练一个分类器;4.训练一个分类器;4.训练一个分类器;4.训练一个分类器;参考文献;谢谢！