用代碼詳解Pytorch的環境搭建與基本語法

小編這次要用代碼詳解Pytorch的環境搭建與基本語法，文章內容豐富，感興趣的小伙伴可以來了解一下，希望大家閱讀完這篇文章之后能夠有所收獲。

基本思路選擇

以前我用過Caffe，用過tensorflow，最近一直在用pytorch感覺特別好用。所以打算寫點我學習的過程跟經驗，如果你是一個pytorch的高手自然可以忽略，如果你也打算學習pytorch框架，那就跟我一起學習吧，所謂獨學而無友，孤陋而寡聞！

pytorch安裝

01

演示系統環境

• Windows10
• Pytorch2.4
• CUDA10.0
• VS2015
• Python3.6.5

CPU版本

install pytorch torchvision cpuonly -c pytorch

GPU版本

install pytorch torchvision cudatoolkit=10.0 -c pytorch

測試安裝是否正常, CUDA支持正常

測試結果一切正常！

安裝的時候你還可以更直接點

pip install pytorch torchvision

就好啦！我知道很多人喜歡用各種python的工具跟IDE做開發，那些都是個人愛好，喜歡就好，但是千萬別強迫別人跟你一樣！有IDE強迫癥！我從開始學習python就一直用pycharm！千萬別問我好用不好用，方便不方便！覺得適合自己即可。

Pytorch基本語法演示

02

演示了pytorch中基本常量、變量、矩陣操作、CUDA調用，numpy與tensor轉化，維度轉化，自動梯度等基本知識。代碼如下：

from __future__ import print_function
import torch
import numpy as np

print(torch.__version__)

# 定義矩陣
x = torch.empty(2, 2)
print(x)

# 定義隨機初始化矩陣
x = torch.randn(2, 2)
print(x)

# 定義初始化為零
x = torch.zeros(3, 3)
print(x)

# 定義數據為tensor
x = torch.tensor([5.1, 2., 3., 1.])
print(x)

# 操作
a = torch.tensor([1.,2.,3.,4.,5.,6.,7.,8.])
b = torch.tensor([11.,12.,13.,14.,15.,16.,17.,18.])
c = a.add(b)
print(c)

# 維度變換 2x4
a = a.view(-1, 4)
b = b.view(-1, 4)
c = torch.add(a, b)
print(c, a.size(), b.size())

# torch to numpy and visa
na = a.numpy()
nb = b.numpy()
print("\na =",na,"\nb =", nb)

# 操作
d = np.array([21.,22.,23.,24.,25.,26.,27.,28.], dtype=np.float32)
print(d.reshape(2, 4))
d = torch.from_numpy(d.reshape(2, 4))
sum = torch.sub(c, d)
print(sum, "\n sum = ", sum.size())

# using CUDA
if torch.cuda.is_available():
 result = d.cuda() + c.cuda()
 print("\n result = ", result)

# 自動梯度
x = torch.randn(1, 5, requires_grad=True)
y = torch.randn(5, 3, requires_grad=True)
z = torch.randn(3, 1, requires_grad=True)
print("\nx=",x, "\ny=",y, "\nz=",z)
xy = torch.matmul(x, y)
xyz = torch.matmul(xy, z)
xyz.backward()
print(x.grad, y.grad, z.grad)

運行輸出結果:

1.4.0
tensor([[0., 0.],
        [0., 0.]])
tensor([[-0.4624, -1.1495],
        [ 1.9408, -0.1796]])
tensor([[0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.]])
tensor([5.1000, 2.0000, 3.0000, 1.0000])
tensor([12., 14., 16., 18., 20., 22., 24., 26.])
tensor([[12., 14., 16., 18.],
        [20., 22., 24., 26.]]) torch.Size([2, 4]) torch.Size([2, 4])

a = [[1. 2. 3. 4.]
 [5. 6. 7. 8.]]
b = [[11. 12. 13. 14.]
 [15. 16. 17. 18.]]
[[21. 22. 23. 24.]
 [25. 26. 27. 28.]]
tensor([[-9., -8., -7., -6.],
        [-5., -4., -3., -2.]])
 sum =  torch.Size([2, 4])

 result =  tensor([[33., 36., 39., 42.],
        [45., 48., 51., 54.]], device='cuda:0')

x= tensor([[ 0.3029, -0.4030, -0.9148, -0.9237,  0.7549]], requires_grad=True)
y= tensor([[-0.9032, -0.4092, -0.0682],
        [ 0.3689, -0.9655, -0.1346],
        [ 1.5101,  1.4418,  0.1058],
        [ 1.0259, -1.6011,  0.4881],
        [-0.3989,  0.9156, -1.6290]], requires_grad=True)
z= tensor([[ 1.4343],
        [ 2.2974],
        [-0.0864]], requires_grad=True)
tensor([[-2.2298, -1.6776,  5.4691, -2.2492,  1.6721]]) tensor([[ 0.4344,  0.6959, -0.0262],
        [-0.5781, -0.9260,  0.0348],
        [-1.3121, -2.1017,  0.0790],
        [-1.3249, -2.1222,  0.0798],
        [ 1.0827,  1.7342, -0.0652]]) tensor([[-3.0524],
        [ 1.1164],
        [-1.7437]])

看完這篇關于用代碼詳解Pytorch的環境搭建與基本語法的文章，如果覺得文章內容寫得不錯的話，可以把它分享出去給更多人看到。