<!-- markdown css tag --><div class="pinggu_markdown">
<div class="pinggu_markdown__html"><h1 id="pytorch-基本操作(一)">pytorch 基本操作(一)</h1>
<p>目前深度学习的主流框架分为两种,一个是tensorflow一个是pytorch,当然还有caffe,theano,keras这些框架,这些框架广泛用于计算机视觉、语音识别、nlp等领域。</p>
<p>pytorch是一个年轻的框架,主流的教程一开始就介绍前后传播的概念,对初学者十分不友好,这里我大概介绍一下pytorch的基本操作,包括合并,切片,基本的统计方法。</p>
<p>具体函数大概有index、expand等,其实tensor大部分操作与numpy相似,numpy的操作就不一一细讲了,我们就从torch的语法开始讲起。</p>
<h6 id="tensor">tensor</h6>
<p>首先介绍一下tensor,中文名叫张量,学过线性代数的同学可以知道数据可以分为许多的维度,在这里tensor可以是one-dimension到n-dimension。</p>
<p>我们先用torch建立一个简单的二维矩阵。</p>
<pre><code>import torch
matrix = torch.tensor([[1,-1],[1,-1]])
matrix
</code></pre>
<p>可以得到一个2x2的矩阵。用shape函数查看一下矩阵的形状。</p>
<pre><code>matrix.shape
# out:torch.Size([2, 2])
</code></pre>
<p>此外,可以用reshape函数(或者view)来改变他的形状,比如我们把matrix改成4x1维的矩阵。</p>
<pre><code>matrix.reshape(4,1)
matrix
# out:
tensor([[ 1],
[-1],
[ 1],
[-1]])
</code></pre>
<p>同理你可以创建n-dimension的tensor。<br>
比如我要创建一个3x4x5的元素全是1的tensor。</p>
<pre><code>torch.ones(3,4,5)
#out:
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.],
[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.],
[1., 1., 1., 1., 1.],
[1., 1., 1., 1., 1.]]])
</code></pre>
<h6 id="squeeze">squeeze</h6>
<p>如何在tensor里面修改维度呢,这是就要依靠squeeze相关的函数。</p>
<p>首先,创建一个一维向量。<br>
(rand函数是随机生成一个0-1的均匀分布)</p>
<pre><code>a = torch.rand(2)
a.shape
#out:
torch.Size([2])
</code></pre>
<p>用unsqueeze函数来新增一个维度</p>
<pre><code>a.unsqueeze(0).shape
# out:
torch.Size([1, 2])
a.unsqueeze(1).shape
#out
torch.Size([2, 1])
</code></pre>
<p>用squeeze来减少维度,这个维度的数量只能为一。</p>
<pre><code>b = torch.rand(32,1,1)
b.shape
# out:
# torch.Size([32, 1, 1])
b.squeeze().shape
# out:
# torch.Size([32])
</code></pre>
<p>此外可以用expand函数和repeat函数来拓展tensor的维度。</p>
<pre><code>a = torch.rand(4, 32, 14, 14)
b = torch.rand(1, 32, 1, 1)
b.shape
# out:
torch.Size([1, 32, 1, 1])
b.expand(4,32,1,1).shape
#out:
torch.Size([4, 32, 1, 1])
b.repeat(4,1,1,1).shape
#out:
torch.Size([4, 32, 1, 1])
</code></pre>
<h6 id="transpose">transpose</h6>
<p>熟悉numpy的同学肯定知道,矩阵里最重要运算就是transpose,在tensor里可以利用transpose来改变某两个维度的位置,在二维tensor中就与矩阵transpose相同。</p>
<pre><code>a = torch.rand(3,4)
a.t().shape
# out:
torch.Size([4, 3]
a = torch.rand(4,3,32,32).transpose(1,3).shape
# out:
torch.Size([4, 32, 32, 3])
</code></pre>
<h6 id="permute">permute</h6>
<p>permute函数是重新排列tensor的维度。</p>
<pre><code>b = torch.rand(1, 32, 1, 1)
b.permute(0,2,3,1).shape
# out:
torch.Size([1, 1, 1, 32])
</code></pre>
<h4 id="参考文献:">参考文献:</h4>
<p><a href="https://github.com/irobbwu/pytorch-intro/blob/main/01.Intro.ipynb">https://github.com/irobbwu/pytorch-intro/blob/main/01.Intro.ipynb</a></p>
</div>
</div>