本文共 1680 字，大约阅读时间需要 5 分钟。

0 安装

步骤1：

输入下面地址：

步骤2：

选择自己想要的版本： （pytorch build一般选择stable） （选择自己的系统） （选择用什么方式来下载：如果安装了anaconda，可以选择conda；一般选择pip） 注：不知为何原因，我用conda安装失败，在pip安装成功

步骤3：

run the command

1 入门学习

1.1 PyTorch 是什么

他是一个基于Python的科学计算包，目标用户有两类

• 为了使用GPU来替代numpy
• 一个深度学习援救平台：提供最大的灵活性和速度

1.2 张量（tensors）

参考：

前言：

标量（Scalar）是只有大小，没有方向的量，如1，2，3等 零维

向量（Vector）是有大小和方向的量，其实就是一串数字，如(1,2) 一维

矩阵（Matrix）是好几个向量拍成一排合并而成的一堆数字，如[1,2;3,4] 二维

张量就是按照任意维排列的一堆数字的推广。 标量、向量、矩阵都属于张量。除此之外，张量还可以是三维、四维、五维的等等。

张量类似于numpy中的ndarrays，不同在于张量可以使用GPU加速。

创建张量：

例子1

x = torch.Tensor(2,3)  #构造一个2x3的矩阵，没初始化但仍然会有值

输出：

tensor([[0.0000, 0.0000, 0.0000],        [0.0000, 0.0000, 0.0000],        [0.0000, 0.0000, 0.0000],        [0.0000, 0.0000, 0.0000],        [0.0000, 0.0000, 0.0000]])

例子2

y = torch.rand(5,3,2)  #构造一个5x3x2的张量，初始化为随机数

输出：

tensor([[[0.5264, 0.4299],         [0.1690, 0.5533],         [0.3089, 0.8002]],        [[0.6012, 0.8172],         [0.9650, 0.3159],         [0.6204, 0.4612]],        [[0.5796, 0.2908],         [0.2410, 0.4130],         [0.2657, 0.4400]],        [[0.3991, 0.1783],         [0.5380, 0.5921],         [0.1039, 0.5153]],        [[0.5698, 0.9856],         [0.2059, 0.5438],         [0.9882, 0.7355]]])

可以看出，5x3x2的张量y由5个3x2的矩阵构成，这符合了我们数学上的定义。

查看张量的大小：

print(x.size())

输出：

torch.Size([5, 3])

注意：

torch.Size实际上是一个元组，所以它支持元组相同的操作。

张量的加法（4种）

res = a+b

res = torch.add(a,b)

res = torch.Tensor(5,3)torch.add(a,b,out=res)

b.add_(a) #运算结果覆盖掉b

把torch张量转换为numpy数组

tensor2array = torch_data.numpy()

把numpy数组转换为torch张量

torch_data = torch.from_numpy(np_data)

所有在CPU上的张量，除了字符张量，都支持在numpy之间转换。

把torch张量移动到GPU上

# let us run this cell only if CUDA is availableif torch.cuda.is_available():    x = x.cuda()    y = y.cuda()    x + y