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~