torch or numpy

Posted cathy_mu

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torch or numpy相关的知识,希望对你有一定的参考价值。

黄色:重点

粉色:不懂

  1. Torch 自称为神经网络界的 Numpy, 因为他能将 torch 产生的 tensor 放在 GPU 中加速运算 (前提是你有合适的 GPU), 就像 Numpy 会把 array 放在 CPU 中加速运算. 
    import torch
    import numpy as np
    
    np_data = np.arange(6).reshape((2, 3))
    torch_data = torch.from_numpy(np_data)
    tensor2array = torch_data.numpy()
    print(
        \nnumpy array:, np_data,          # [[0 1 2], [3 4 5]]
        \ntorch tensor:, torch_data,      #  0  1  2 \n 3  4  5    [torch.LongTensor of size 2x3]
        \ntensor to array:, tensor2array, # [[0 1 2], [3 4 5]]
    )

    Torch 中的数学运算

    其实 torch 中 tensor 的运算和 numpy array 的如出一辙, 我们就以对比的形式来看. 如果想了解 torch 中其它更多有用的运算符, API就是你要去的地方.

    # abs 绝对值计算
    data = [-1, -2, 1, 2]
    tensor = torch.FloatTensor(data)  # 转换成32位浮点 tensor
    print(
        \nabs,
        \nnumpy: , np.abs(data),          # [1 2 1 2]
        \ntorch: , torch.abs(tensor)      # [1 2 1 2]
    )
    
    # sin   三角函数 sin
    print(
        \nsin,
        \nnumpy: , np.sin(data),      # [-0.84147098 -0.90929743  0.84147098  0.90929743]
        \ntorch: , torch.sin(tensor)  # [-0.8415 -0.9093  0.8415  0.9093]
    )
    
    # mean  均值
    print(
        \nmean,
        \nnumpy: , np.mean(data),         # 0.0
        \ntorch: , torch.mean(tensor)     # 0.0
    )

    除了简单的计算, 矩阵运算才是神经网络中最重要的部分. 所以我们展示下矩阵的乘法. 注意一下包含了一个 numpy 中可行, 但是 torch 中不可行的方式.

    # matrix multiplication 矩阵点乘
    data = [[1,2], [3,4]]
    tensor = torch.FloatTensor(data)  # 转换成32位浮点 tensor
    # correct method
    print(
        \nmatrix multiplication (matmul),
        \nnumpy: , np.matmul(data, data),     # [[7, 10], [15, 22]]
        \ntorch: , torch.mm(tensor, tensor)   # [[7, 10], [15, 22]]
    )
    
    # !!!!  下面是错误的方法 !!!!
    data = np.array(data)
    print(
        \nmatrix multiplication (dot),
        \nnumpy: , data.dot(data),        # [[7, 10], [15, 22]] 在numpy 中可行
        \ntorch: , tensor.dot(tensor)     # torch 会转换成 [1,2,3,4].dot([1,2,3,4) = 30.0
    )

     

以上是关于torch or numpy的主要内容,如果未能解决你的问题,请参考以下文章

torch和numpy的相互转换

torch和numpy的对比

pytorch学习-1:Torch vs Numpy

pytorch学习-1:Torch vs Numpy

PyTorch 内存模型:“torch.from_numpy()”与“torch.Tensor()”

PyTorch内存模型:“torch.from_numpy()”vs“torch.Tensor()”