莫煩PyTorch學習筆記(一)——Torch或Numpy
阿新 • • 發佈:2019-01-07
1.什麼是Numpy
Numpy系統是Python的一種開源的數值計算擴充套件,用python實現的科學計算包。這種工具可用來儲存和處理大型矩陣,包括強大的N維陣列物件Array,比較成熟的函式庫等。numpy和稀疏矩陣運算包scipy配合使用更加方便。
2.用Numpy還是Torch
Torch自稱為神經網路界的Numpy,它能將torch產生的tensor放在GPU中加速運算,就想Numpy會把array放在CPU中加速運算。所以在神經網路中,用Torch的tensor形式更優。
但是為了減少使用者的學習成本,Torch對Numpy實現了很好的相容。可以用如下形式在numpy array和torch tensor之間自由轉換。
import torch
import numpy as np
np_data = np.arange(6).reshape((2, 3))
torch_data = torch.from_numpy(np_data)
tensor2array = torch_data.numpy()
print(
'\nnumpy array:', np_data, # [[0 1 2], [3 4 5]]
'\ntorch tensor:', torch_data, # 0 1 2 \n 3 4 5 [torch.LongTensor of size 2x3]
'\ntensor to array:', tensor2array, # [[0 1 2], [3 4 5]]
)
3.Torch中的數學運算
torch中的tensor運算和numpy的array運算很相似,具體參看下面的程式碼:
# abs 絕對值計算
data = [-1, -2, 1, 2]
tensor = torch.FloatTensor(data) # 轉換成32位浮點 tensor
print(
'\nabs',
'\nnumpy: ', np.abs(data), # [1 2 1 2]
'\ntorch: ' , torch.abs(tensor) # [1 2 1 2]
)
# sin 三角函式 sin
print(
'\nsin',
'\nnumpy: ', np.sin(data), # [-0.84147098 -0.90929743 0.84147098 0.90929743]
'\ntorch: ', torch.sin(tensor) # [-0.8415 -0.9093 0.8415 0.9093]
)
# mean 均值
print(
'\nmean',
'\nnumpy: ', np.mean(data), # 0.0
'\ntorch: ', torch.mean(tensor) # 0.0
)
numpy和torch的矩陣乘法還是有點不同的,下面將對其區別進行展示:
# matrix multiplication 矩陣點乘
data = [[1,2], [3,4]]
tensor = torch.FloatTensor(data) # 轉換成32位浮點 tensor
# correct method
print(
'\nmatrix multiplication (matmul)',
'\nnumpy: ', np.matmul(data, data), # [[7, 10], [15, 22]]
'\ntorch: ', torch.mm(tensor, tensor) # [[7, 10], [15, 22]]
)
# !!!! 下面是錯誤的方法 !!!!
# 注意這裡要轉換成array,因為data原來是list物件,其沒有.dot操作
data = np.array(data)
print(
'\nmatrix multiplication (dot)',
'\nnumpy: ', data.dot(data), # [[7, 10], [15, 22]] 在numpy 中可行
'\ntorch: ', tensor.dot(tensor) # torch 會轉換成 [1,2,3,4].dot([1,2,3,4]) = 30.0
)
以上就是torch和numpy的一些介紹,希望對大家有所幫助~