一、簡介

　　簡單介紹PyTorch框架，基本使用和安裝方法。Torch是什麼？一個火炬！其實跟Tensorflow中Tensor是一個意思，就是說，有一批資料，無論是影象資料還是文字資料或數值資料，都需要把資料轉換成矩陣，接下來在建模操作過程中，都需要對當前資料即矩陣，做各種各樣變換，做各種各樣計算，一系列流程做完之後得到我們想要的結果。PyTorch可以說是做這樣一件事，把所有矩陣計算的東西傳入GPU中，因為GPU中做矩陣運算比較快，在GPU中幫我們實現了所有的計算功能，整體的計算，從前向傳播到反向傳播，有可能會涉及到非常複雜的計算，這些計算統統由框架幫我們實現，我們需要去做的，就是設計整個任務的流程，整個網路架構就可以了。深度學習框架，說白了，就是一個計算的工具，幫我們實現由前到後整體的計算流程。
一個框架該怎麼學？
　　學框架不要去看基本的操作， 直接看一個實際的例子，一步步怎麼走的即可，遇到一些基本的點，可能遇到某些函式，儘量去查，查的過程其實也是學習的過程。
二、例項

1、匯入torch包

1 #匯入PyTorch包
2 import torch
3 print(torch.__version__)

輸出結果：

 2、建立一個空的張量

 1 #基本使用方法
 2 #建立一個全零的5行3列的矩陣，格式是一個tensor
 3 #tensor即張量，理解為矩陣即可，一維是向量，二維是矩陣，不管多少維，統一叫
 4 #做tensor，是深度學習中最基本的計算單元，
 5 #也可以說是框架的底層。之前用過的其他結構，如numpy、pandas之類的，會得到
 6 #ndarry或DataFrame類似的結構，
 7 #看起來也是矩陣，但是不能在我們這裡做，要用PyTorch框架，①把所有的資料轉換
 

 8 #成tensor的格式，tensor是底層所支援的
 9 #格式，所有的輸入，所有的計算，都是對tensor所執行的。
10 x=torch.empty(5,3)
11 print("x:\n",x)

輸出結果：

 3、建立一個隨機的5行3列的矩陣

1 #建立一個隨機的5行3列的矩陣
2 x1=torch.rand(5,3)
3 print("x1:\n",x1)

輸出結果：

 4、初始化一個全零的矩陣

1 #初始化一個全零的矩陣
2 x2=torch.zeros(5,3,dtype=torch.long)
3 print("x2:\n",x2)

輸出結果：

 5、直接傳入資料

1 #直接傳入資料
2 x3=torch.tensor([5.5,3])
3 print("x3:\n",x3)

輸出結果：

6、生成全為1的矩陣並隨機初始化

1 x4=x2.new_ones(5,3,dtype=torch.double)  #生成全為1的矩陣
2 x5=torch.randn_like(x4,dtype=torch.float)
3 print("x4:\n",x4)
4 print("x5:\n",x5)
5 #建議執行完每次操作之後，列印維度看一看
6 print(x5.size())

輸出結果：

 7、基本計算方法：加法操作

1 #基本計算方法
2 y=torch.rand(5,3)
3 print("y+x5=",y+x5)
4 print(torch.add(y,x5)) #一樣的操作

輸出結果：

 8、索引

1 #索引
2 print("x5[:,1]:\n",x5[:,1])

輸出結果：

 9、view操作可以改變矩陣維度

1 #view操作可以改變矩陣維度
2 x6=torch.randn(4,4)
3 print("x6:\n",x6)
4 y1=x6.view(16) #將x6拉成一行向量
5 print("y1:\n",y1)
6 z=x6.view(-1,8) #-1代表自動做計算，第二個維度有8個元素,第一個維度自動計算
7 print("z:\n",z)
8 print("x6.size:\n",x6.size(),"\n","y1.size:\n",y1.size(),"\n","z.size:\n",z.size())

輸出結果：

 10、與numpy的協同操作

1 #與numpy的協同操作
2 a=torch.ones(5)
3 b=a.numpy()
4 print("b:\n",b)
5 print("type(b):\n",type(b))

輸出結果：

11、numpy轉tensor

1 #numpy轉tensor
2 a1=np.ones(5)
3 b1=torch.from_numpy(a1)
4 print("b1:\n",b1)

輸出結果：