PyTorch常用函数摘抄

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了PyTorch常用函数摘抄相关的知识,希望对你有一定的参考价值。

参考技术A from __future__ import print_function

import torch

torch.tensor(data, dtype) # data 可以是Numpy中的数组

torch.as_tensor(data)

torch.from_numpy(ndarray)

torch.empty(size)

torch.empty_like(input)

torch.zeros(size)

torch.zeros_like(input, dtype)

torch.ones(size)

torch.ones_like(input, dtype)

torch.eye(size)

torch.arange(start, end, step)  # 不包括end, step是两个点间距

torch.range(start, end, step) # 包括end,step是两个点间距

torch.linspace(start, end, steps) # 包括end, steps 是点的个数,包括端点, (等距离)

torch.logspace(start, end, steps) # 

torch.sparse_coo_tensor(indices, values, size) # indices 值的x-y坐标,size 稀疏矩阵的大小

torch.full(size, fill_value)

torch.full_like(input, fill_value)

torch.rand(size) # 数值范围[0, 1), size = [2,3] or 2,3

torch.rand_like(input, dtype) # 形状和input相同

torch.randn(size)  # 标准正态分布 N(0,1)

torch.randn_like(input, dtype)

torch.randint(low = 0, high, size) # 整数范围[low, high),  e.g. torch.randint(3, 8, [2,3])

torch.randint_like(input, low = 0, high, dtype)

torch.randperm(n) # 生成一个0到n-1的n-1个整数的随机排列

Example: 

torch.empty(5,3)

torch.ones(5)

torch.rand(5,3)

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

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

x = x.new_ones(5,3, dtype = torch.double)

x = torch.rand_like(x, dtype = torch.float)

x.size()     # 获取矩阵形状 output: torch.Size([5,3])

y = torch.rand(5,3)

a. x + y

b. torch.add(x, y)

c. result = torch.empty(5,3)

torch.add(x, y, out = result)

print(result)

d. y.add_(x)

x[:,1]    # numpy-like

x = torch.randn(4, 4)

y = x.view(16)

z = x.view(-1, 8)

x = torch.randn(1)

x.item()

a = torch.ones(5)

b = a.numpy()

(b的值会随着a改变而变化)

a.add_(1)

torch.cat(tensors = (a,b,c), dim = 0, out = None) # 按照某一维度对多个矩阵进行合并, 0-行 1-列

torch.chunk(tensor, chunks, dim = 0) # 按照某一维度对矩阵进行切分

pytorch 中的常用矩阵操作

参考技术A PyTorch 常用方法总结4:张量维度操作(拼接、维度扩展、压缩、转置、重复……) - TH_NUM的博客 - CSDN博客

pytorch中与维度/变换相关的几个函数 - MaloFleur - CSDN博客

Numpy与Pytorch 矩阵操作 - 坩埚上校的博客 - CSDN博客

Pytorch对Tensor的各种“特别”操作 - LightningCode的博客 - CSDN博客

Pytorch中的矩阵操作:

    随机矩阵: torch.randn(d0, d1, d2, ...)

    添加维度: tensor.unsqueeze(0)

    压缩维度: tensor.squeeze(0)

    按维度拼接tensor: torch.cat(inputs, dim=0, ...)

    维度堆叠: torch.stack(inputs, dim=0)

    张量排序索引: tensor.sort(descending=True) 返回一个tensor为排序后的tensor, 一个为index_tensor

    把原始tensor在某个维度上根据输入的排序:torch.permute()

    矩阵元素夹逼: tensor.clamp()

    矩阵切割: torch.chunk(tensor, chunks, dim)

    矩阵复制: torch.repeat(*size)

    生成零矩阵: torch.torch.zeros(5, 3, dtype=torch.long)

    生产同形状的随机矩阵:x = torch.randn_like(x, dtype=torch.float)

    矩阵扩张:torch.expand()  , torch.expand_as(matrix)

    矩阵转置:x.transpose(dim0= ,dim1= )

    矩阵中函数名以’_’结尾的,如:y.add_(x),运算结束后会改变y本身

Pytorch对Tensor的各种“特别”操作:

小技巧:可以用:id()和 tensor.device 查看变量的id和位于cpu上还是gpu上。

以上是关于PyTorch常用函数摘抄的主要内容,如果未能解决你的问题,请参考以下文章

pytorch常用normalization函数

pytorch之transforms.Compose()函数理解

985博士历时十个月整理的《PyTorch常用函数手册》开放下载

Pytorch 常用函数

pytorch常用损失函数

Pytorch常用的交叉熵损失函数CrossEntropyLoss()详解