Pytorch for former Torch users - Tensors

深藏阁楼爱情的钟 2024-05-24 03:53 57阅读 0赞

## Pytorch for former Torch users - Tensors ##

### **Tensors** ###

Pytorch 中的 Tensor 和 Torch 中的 Tensor 有着几乎相同的用法  
创建一个 (5\*7) 大小的未初始化的tensor

import torch
    a = torch.empty(5, 7, dtype=torch.floar)

初始化一个从标准正态分布随机获得的双精度浮点数的tensor

b = torch.randn(5, 7, dtype=torch.double)
    print(b.size())
    # torch.Size([5, 7])

**Note:** torch.Size 实际上是一个元组(tuple)

### **Inplace / Out-of-place** ###

tensor上所有就地操作都会在加有后缀 **\_**  
例如,**add**是易地版本, **add\_**是就地版本

有些操作,例如**narrow**没有就地版本,而像**fill\_**的操作没有易地版本

### **Zero Indexing** ###

Pytorch中tensor是索引是从0开始的  
`a = b[0, 3] # 从b选择第1行,第4列`  
Tensors还可以使用Python的切片索引  
`b = a[:, 3:5] # 选择所有行,第4和第5列`

### **No Camel Casing 无驼峰拼写法** ###

所有的函数名都不再采用驼峰拼写法. 例如 **indexAdd** 现在改写为 **index\_add\_**

x = torch.ones(5, 5);
    # tensor([[ 1.,  1.,  1.,  1.,  1.],
    #         [ 1.,  1.,  1.,  1.,  1.],
    #         [ 1.,  1.,  1.,  1.,  1.],
    #         [ 1.,  1.,  1.,  1.,  1.],
    #         [ 1.,  1.,  1.,  1.,  1.]])
    z = torch.empty(5, 2)
    z[:, 0] = 10
    z[:, 1] = 100
    # tensor([[  10.,  100.],
    #         [  10.,  100.],
    #         [  10.,  100.],
    #         [  10.,  100.],
    #         [  10.,  100.]])
    x.index_add_(1, torch.tensor([4, 0]), z)
    # 在x的第一维方向(水平方向), x的第五列(索引为4)加z的第一列,x的第一列(索引为0)加z的第二列
    # tensor([[ 101.,    1.,    1.,    1.,   11.],
    #         [ 101.,    1.,    1.,    1.,   11.],
    #         [ 101.,    1.,    1.,    1.,   11.],
    #         [ 101.,    1.,    1.,    1.,   11.],
    #         [ 101.,    1.,    1.,    1.,   11.]])

### **Numpy 桥** ###

Numpy array 和 torch Tensor之间的转换非常简单,两者之间会共享内存地址,即改变一个另一个也会随之改变.

#### **把torch Tensor 转换成numpy Array** ####

a = torch.ones(5)
    # tensor([ 1.,  1.,  1.,  1.,  1.])
    b = a.numpy()
    # [1. 1. 1. 1. 1.]
    a.add_(1)
    # tensor([ 2.,  2.,  2.,  2.,  2.])
    # [2. 2. 2. 2. 2.]

#### **把numpy Array 转换成torch Tensor** ####

a = np.ones(5)
    b = torch.from_numpy(a)
    # [1. 1. 1. 1. 1.] 
    # tensor([ 1.,  1.,  1.,  1.,  1.], dtype=torch.float64)

### **CUDA Tensors** ###

在Pytorch中CUDA Tensors简单好用,从CPU转换一个CUDA Tensors到GPU会保存其原始类型

# Let us run this cell only cuda is available
    if torch.cuda.is_available():
        # create a LongTensor and transfer it
        # to GPU as torch.cuda.LongTensor
        a = torch.full((10, ), 2, device=torch.device("cuda"))
        print(a)
        b = a.to(torch.device("cpu"))
        # transfer it to CPU, back to
        # being a torch.LongTensor