莫烦pytorch（1）

1. torch类型numpy的互相转换

import numpy as np
import tensorflow as tf
import torch

np_data = np.arange(6).reshape((2, 3))   #（2,3）
torch_data = torch.from_numpy(np_data)   #转换成tensor
tensor2array = torch_data.numpy()        #tensor—>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]]
)

2.sin,mean,abs等函数的语法，torch和numpy保持了一致性

data=[-1,-2,1,2]
tensor=torch.FloatTensor(data)#把data变成张量
print(
    "\nabs",
    "\nnumpy:",np.abs(data),
    "\ntorch:",torch.abs(tensor)
)

#sin
print('\nsin',
    '\nnumpy: ',np.sin(data),
      "\ntorch:",torch.sin(tensor))

#mean
print("\nmena",
      "\nnumpy:",np.mean(data),
      "\ntorch:",torch.mean(tensor))

3.矩阵相乘

data=[[1,2],[3,4]]
tensor=torch.FloatTensor(data)
print('\nmatrix multiplication (matmul)',
    '\nnumpy: ',np.matmul(data,data),
    "\ntorch:",tensor@tensor,         #这个方法莫烦在视频中没有说道
      "\ntorch:", torch.mm(tensor,tensor))

在此注意一点，视频中未提到tensor@tensor，但是确实存在（如有错误，欢迎指出）

4.不一致的点

data=[[1,2],[3,4]]
data=np.array(data)
tensor=torch.FloatTensor(data)
print(
    '\nmatrix multiplication (dot)',
    '\nnumpy: ',data.dot(data),
    "\ntorch:",tensor.dot(tensor))

这里报错，因为tensor只能针对一维的数组

————————————————————————————————————————————————

我是一名机器学习的初学者，是万千小白中努力学习的一员（刚涉机器学习的坑，如有错误，希望指出，共同进步）