导入 pytorch库

from __future__ import print_function
import torch

需要配置好环境

创建矩阵

构造5*3未初始化的矩阵

x = torch.empty(5, 3)
print(x)

输出
tensor([[2.1030e-18, 4.5559e-41, 4.0441e+10],
[3.0767e-41, 0.0000e+00, 1.4013e-45],
[0.0000e+00, 0.0000e+00, 0.0000e+00],
[0.0000e+00, 0.0000e+00, 0.0000e+00],
[0.0000e+00, 0.0000e+00, 0.0000e+00]])

构建一个随机初始化矩阵

x = torch.rand(5, 3)
print(x)

构造一个填充零且dtype long的矩阵，长整形

x = torch.zeros(5, 3, dtype=torch.long)
print(x)

从数据构造张量

x = torch.tensor([5.5, 3])
print(x)

基于现有张量创建张量。这些方法将重用输入张量的属性，例如dtype，除非用户提供新值

x = x.new_ones(5, 3, dtype=torch.double)      # new_* methods take in sizes
print(x)

x = torch.randn_like(x, dtype=torch.float)    # override dtype!
print(x)                                     # result has the same size

矩阵大小函数

print(x.size())
#torch.size 为一个元组

矩阵基本运算

加法

方法1

y = torch.rand(5, 3)
print(x + y)

方法2

print(torch.add(x, y))

加法：提供输出张量作为参数

result = torch.empty(5, 3)
torch.add(x, y, out=result)
print(result)

地板加

# adds x to y
y.add_(x)
print(y)

注意
任何使张量就地变化的操作都用固定。例如：x.copy(y)，x.t_()，将改变x。

矩阵索引

print(x[:, 1]) 
#索引第二列，所有矩阵从0算起
冒号表示范围 如1:3索引第二行到第三行

矩阵大小调整

x = torch.randn(4, 4)
y = x.view(16)
z = x.view(-1, 8)  # the size -1 is inferred from other dimensions
print(x.size(), y.size(), z.size())

输出结果
torch.Size([4, 4]) torch.Size([16]) torch.Size([2, 8])

特殊情况，只有一个元素

如果您具有一个元素张量，请使用.item()将该值作为Python数字获取

与numpy之间转换

torch转numpy

a = torch.ones(5) #元素全为1矩阵创建
print(a)

tensor([1., 1., 1., 1., 1.])

b = a.numpy()
print(b)

[1. 1. 1. 1. 1.]

a.add_(1)
print(a)
print(b)

tensor([2., 2., 2., 2., 2.])
[2. 2. 2. 2. 2.]

numpy转torch

import numpy as np
a = np.ones(5)
b = torch.from_numpy(a)
np.add(a, 1, out=a)
print(a)
print(b)

CUDA张量

使用该.to方法可以将张量移动到任何设备上。

# let us run this cell only if CUDA is available
# We will use ``torch.device`` objects to move tensors in and out of GPU
if torch.cuda.is_available():
     device = torch.device("cuda")          # a CUDA device object
     y = torch.ones_like(x, device=device)  # directly create a tensor on GPU
     x = x.to(device)                       # or just use strings ``.to("cuda")``
     z = x + y
     print(z)
     print(z.to("cpu", torch.double))       # ``.to`` can also change dtype together!