pytorch中基本的變數型別當屬FloatTensor（以下都用floattensor），而Variable（以下都用variable）是floattensor的封裝，除了包含floattensor還包含有梯度資訊

pytorch中的dochi給出一些對於floattensor的基本的操作，比如四則運算以及平方等(連結)，這些操作對於floattensor是十分的不友好，有時候需要寫一個正則化的項需要寫很長的一串，比如兩個floattensor之間的相加需要用torch.add()來實現

然而正確的開啟方式並不是這樣

韓國一位大神寫了一個pytorch的turorial，其中包含style transfer的一個程式碼實現

for step in range(config.total_step):

    
    # Extract multiple(5) conv feature vectors
    target_features = vgg(target)  # 每一次輸入到網路中的是同樣一張圖片，反傳優化的目標是輸入的target
    content_features = vgg(Variable(content))
    style_features = vgg(Variable(style))

    style_loss = 0
    content_loss = 0
    for f1,f2,f3 in zip(target_features,content_features,style_features):
      # Compute content loss (target and content image)
      content_loss += torch.mean((f1 - f2)**2) # square 可以進行直接加-操作？可以，並且mean對所有的元素進行均值化造作

      # Reshape conv features
      _,c,h,w = f1.size() # channel height width
      f1 = f1.view(c,h * w) # reshape a vector
      f3 = f3.view(c,h * w) # reshape a vector

      # Compute gram matrix 
      f1 = torch.mm(f1,f1.t())
      f3 = torch.mm(f3,f3.t())

      # Compute style loss (target and style image)
      style_loss += torch.mean((f1 - f3)**2) / (c * h * w)  # 總共元素的數目？

其中f1與f2,f3的變數型別是Variable，作者對其直接用四則運算子進行加減，並且用python內建的**進行平方操作，然後

# -*-coding: utf-8 -*-
import torch
from torch.autograd import Variable

# dtype = torch.FloatTensor
dtype = torch.cuda.FloatTensor # Uncomment this to run on GPU

# N is batch size; D_in is input dimension;
# H is hidden dimension; D_out is output dimension.
N,D_in,H,D_out = 64,1000,100,10

# Randomly initialize weights
w1 = torch.randn(D_in,H).type(dtype) # 兩個權重矩陣
w2 = torch.randn(D_in,H).type(dtype)
# operate with +-*/ and **
w3 = w1-2*w2
w4 = w3**2
w5 = w4/w1


# operate the Variable with +-*/ and **
w6 = Variable(torch.randn(N,D_in).type(dtype))
w7 = Variable(torch.randn(N,D_in).type(dtype))
w8 = w6 + w7
w9 = w6*w7
w10 = w9**2
print(1)

基本上除錯的結果與預期相符

所以，對於floattensor以及variable進行普通的+-×/以及**沒毛病

以上這篇Pytorch基本變數型別FloatTensor與Variable用法就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。