pytorch 相关操作

目录

• 查看NVIDIA驱动版本
• conda相关
  • 创建conda环境
  • 进入/退出conda环境
  • 安装pytorch
• pytorch数据类型等基础编程

查看NVIDIA驱动版本

nvidia-smi

conda相关

创建conda环境

conda create -n pytorch-xxx python=3.10

进入/退出conda环境

conda activate pytorch-xxx

conda deactivate

安装pytorch

版本windows python的 cuda 11.8
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

pytorch数据类型等基础编程

import torch


a = torch.Tensor([[1, 2], [3, 4]])
b = torch.Tensor(2, 4)  # 2x4, 值随机
c = torch.ones(2, 2)  # 全1
d = torch.eye(2, 3)  # 对角线
e = torch.normal(mean=0, std=torch.rand(5))  # 正态分布
f = torch.normal(mean=torch.rand(5), std=torch.rand(5))
g = torch.Tensor(2, 2).uniform_(-1, 1)  # 2x2的tensor，值为-1到1
h = torch.linspace(1, 20, 6)  # 从1到20线性等分，等差数列，个数为2
i = torch.randperm(10)  # 0到9随机排列的1维tensor
print(h)

# value type device layout
aa = torch.tensor([1, 2, 3], dtype=torch.int8, device=torch.device('cpu'))

print(aa)
print(aa.dtype, aa.layout)

# 稀疏tensor
indices = torch.tensor([[0, 1, 1], [2, 0, 2]])  # [[x1, x2, x3], [y1, y2, y3]]
values = torch.tensor([3, 4, 5], dtype=torch.float32)  # [val(x1, y1), val(x2, y2), val(x3, y3)]，其余为0
bb = torch.sparse_coo_tensor(indices, values, [2, 4])  # 坐标, 值, 形状
bb_stride = bb.to_dense()  # 转成稠密张量

print(bb)
print(bb.dtype, bb.device, bb.layout)
print(bb_stride)