国内最专业的IT技术学习网

UI设计

当前位置:主页 > UI设计 >

PyTorch的4分钟教程,手把手教你完成线性回归

发布时间:2019/07/29标签:   张量    点击量:

原标题:PyTorch的4分钟教程,手把手教你完成线性回归
PyTorch大数据文摘出品编译:洪颖菲、安静PyTorch深度进修框架库之一,是来自Facebook的开源深度进修平台,供给研讨原型到出产安排的无缝连接。本文旨在先容PyTorch基本局部,关心老手在4分钟内完成python PyTorch代码的开端编写。下文呈现的全部功效函数,都可以在中文文档中检查详细参数和完成细节,先附上pytorch中文文档链接:https://pytorch-cn.readthedocs.io/zh/latest/package_references/torch/coding前的预备须要在电脑上装置Python包,导入一些迷信盘算包,如:numpy等,最最主要的,别忘却导入PyTorch,下文的运转成果均是在jupyter notebook上失掉的,感兴致的读者能够自行下载Anaconda,外面自带有jupyter notebook。(注:Anaconda支撑python多个版本的虚构编译情况,jupyter notebook是一个web情势的编译界面,将代码宰割成一个个的cell,能够及时看到运转成果,应用起来十分便利!)软件的设置和装置局部,网上有许多教程,这里不再赘述,纸上得来终觉浅,绝知此事要躬行。让咱们间接进入Pytorch的天下,开端coding吧!TensorsTensor张量范例,是神经收集框架中主要的基本数据范例,能够简略懂得为一个包括单个数据范例元素的多维矩阵,tensor之间的经过运算停止衔接,从而构成盘算图。上面的代码实例中创立了一个2*3的二维张量x,指定命据范例为浮点型(Float):importtorch#Tensorsx=torch.FloatTensor([[1,2,3],[4,5,6]])print(x.size(),"\n",x)运转成果:PyTorch包括很多对于tensors的数学运算。除此以外,它还供给了很多有用顺序,如高效序列化Tensor和其余恣意数据范例,以及其余有效的有用顺序。上面是Tensor的加法/减法的一个例子,此中torch.ones(*sizes, out=None) → Tensor前往一个全为1 的张量,外形由可变参数sizes界说。在实例中,和变量x相加的是创立的两个响应地位值为1的2*3的张量,相称于x每一维度的值+2,代码和运转成果以下所示:#Addtensorsx.add_(torch.ones([2,3])+torch.ones([2,3]))运转成果:一样的,PyTorch也支撑减法操纵,实比方下,在下面的运转成果基本上每一维度再减去2,x规复到最后的值。#SubtractTensorx.sub_(torch.ones([2,3])*2)运转成果:其余PyTorch运算读者能够查阅上文给出的中文链接。PyTorch and NumPy用户能够轻松地在PyTorch和NumPy之间往返转换。上面是将np.matrix转换为PyTorch并将维度变动为单个列的简略示例:#Numpytotorchtensorsimportnumpyasnpy=np.matrix([[2,2],[2,2],[2,2]])z=np.matrix([[2,2],[2,2],[2,2]],dtype="int16")x.short()@torch.from_numpy(z)

上一篇:没有了

下一篇:没有了

返回
版权信息Copyright © IT技术教程 版权所有    ICP备案编号:鲁ICP备09013610号