Pytorch-Torch

Torch

pytorch深度学习框架最重要的包torch

相关介绍

torch 官方文档说明如下：

The torch package contains data structures for multi-dimensional tensors and defines mathematical operations over these tensors. Additionally, it provides many utilities for efficient serializing of Tensors and arbitrary types, and other useful utilities.

句句不离tensor，可知torch是包含了多维张量的数据结构以及对张量的多种数学操作，还提供了更加有效地对张量和任意类型进行序列化的工具。

基本操作

简单介绍几个目前自己看项目看到的。之后会补充

torch.rand

torch.rand(*size, out=None)  -> Tensor

返回一个张量，包含从区间[0,1)的均匀分布中抽取的一组随机数，形状由可变参数size(int...)决定。

• 例子

>>> torch.rand(2, 3)
tensor([[0.1183, 0.5954, 0.0256],
       [0.1915, 0.2350, 0.4634]])
        
>>> torch.rand(4)
tensor([0.4275, 0.2355, 0.1684, 0.3253])

• 与torch.rand相似的是torch.randn，不同之处是张量包含了从标准正态分布（均值为0，方差为1，即高斯白噪声）中抽取一组随机数

torch.zeros

torch.zeros(*sizes, out=None) → Tensor

返回一个全为标量0的张量，形状由sizes(int...)定义

• 例子

>>> torch.zeros(3, 4)
tensor([[0., 0., 0., 0.],
        [0., 0., 0., 0.],
        [0., 0., 0., 0.]])

torch.gather

torch.gather(input, dim, index, out=None) → Tensor

沿给定轴dim，将输入索引张量index指定位置的值进行聚合

对于一个3维张量，输出可以定义为：

out[i][j][k] = tensor[index[i][j][k]][j][k]  # dim=0
out[i][j][k] = tensor[i][index[i][j][k]][k]  # dim=1
out[i][j][k] = tensor[i][j][index[i][j][k]]  # dim=3

• 例子

>>> torch.gather(t, 1, torch.LongTensor([[0, 0],[1, 0]]))
tensor([[1., 1.],
        [4., 3.]])

• 过程图示（刚开始接触，确实很难理解。。。。）
  

torch.view

表示将原矩阵转化成i行j列的形式，i为-1表示不限制行数，j为-1表示不限制列数

• 例子