莫烦教程pytorch基础

• 花匠小妙招
• 2024-12-18 09:00

**********生成随机数的方法总结***********

均匀分布

torch.rand(*sizes, out=None) → Tensor

返回一个张量，包含了从区间[0, 1)的均匀分布中抽取的一组随机数。张量的形状由参数sizes定义。

参数:

sizes (int…) - 整数序列，定义了输出张量的形状 out (Tensor, optinal) - 结果张量

例子：

torch.rand(2, 3)
0.0836 0.6151 0.6958
0.6998 0.2560 0.0139
[torch.FloatTensor of size 2x3]

标准正态分布

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

返回一个张量，包含了从标准正态分布（均值为0，方差为1，即高斯白噪声）中抽取的一组随机数。张量的形状由参数sizes定义。

参数:

sizes (int…) - 整数序列，定义了输出张量的形状 out (Tensor, optinal) - 结果张量

例子：

torch.randn(2, 3)
0.5419 0.1594 -0.0413
-2.7937 0.9534 0.4561
[torch.FloatTensor of size 2x3]

离散正态分布

torch.normal(means, std, out=None) → → Tensor

返回一个张量，包含了从指定均值means和标准差std的离散正态分布中抽取的一组随机数。

标准差std是一个张量，包含每个输出元素相关的正态分布标准差。

参数:

means (float, optional) - 均值 std (Tensor) - 标准差 out (Tensor) - 输出张量

例子：

torch.normal(mean=0.5, std=torch.arange(1, 6))
-0.1505
-1.2949
-4.4880
-0.5697
-0.8996
[torch.FloatTensor of size 5]

***************************************************

1.numpy和torch的转化

np_data=np.arange(6).reshape((2,3))
torch_data=torch.from_numpy(np_data) #numpy转化为torch
tensor2array=torch_data.numpy()#torch转化为numpy

torch.abs(torch.tensor([-1,2,1,-3])) #abs输出绝对值

torch.sin(tensor)#输出sin值

torch.mm(tensor,tensor)#矩阵乘法 （输入参数为tensor。tensor=torch.FloatTensor(data)）

2、variable变量

import torch
from torch.autograd import Variable

tensor=torch.FloatTensor([[1,2],[3,4]])
variable=Variable(tensor,requires_grad=True) #variable可以理解为神经网络中的一个神经元

t_out=torch.mean(tensor*tensor)
v_out=torch.mean(variab

相关知识

Pytorch入门——手把手教你MNIST手写数字识别
高端花艺教程
pytorch python=3.6环境安装
使用PyTorch实现对花朵的分类
基于Python和PyTorch的小程序苹果病虫害识别教程
基于pytorch搭建ResNet神经网络用于花类识别
pytorch 花朵的分类识别
零基础绘画教程
创建虚拟环境并,创建pytorch 1.3.1
Deep Learning：基于pytorch搭建神经网络的花朵种类识别项目（内涵完整文件和代码）—超详细完整实战教程

网址: 莫烦教程pytorch基础 https://m.huajiangbk.com/newsview1163540.html

上一篇: java入门教程day04

下一篇: python Matplotli