Pytorch 入门（1）

 

1 torch.empty() ：

　　　　它分配未初始化的内存空间，内存中的残留数据会被直接显示（类似C语言的未初始化变量）。

　　　　输出值是完全随机的，可能是任何极大/极小的数值。

• • 操作系统内存分配策略：现代操作系统（尤其是Linux/Windows）在分配新内存时，出于安全考虑会自动清零内存（防止程序泄露敏感信息）。

  • PyTorch 的优化：某些情况下（如小张量），PyTorch 会直接调用 calloc()（清零分配）而非 malloc()（未初始化）。

　　　　x=torch.empty(1) # 创建一个只有一个元素的向量(vector)，元素值是未定义的。实际测试有时返回全是0，有时非0.

2 torch.rand(3,2)   #创建随机矩阵，每个数在0(包含)到1(不包含)之间

3 torch.zero(3,2)   #创建0矩阵

4 torch.ones(2,2)  # 创建一个2*2的矩阵，并赋值1，类型是torch.float32

5 torch.ones(3,3,dtype=torch.int) # 创建一个3*3的矩阵，并赋值1，打印出来是【1】，这会就不带.了

6 torch.ones(3,3,dtype=torch.double) # 创建一个3*3的矩阵，并赋值1，打印出来是【1.】，double类型又带.了

7 z=x+y 矩阵相加

8 y.add_(x) 把x加到y中去

9 z=torch.sub(x,y) 或 z=x-y  矩阵相减 ； y.sub_(x) 从y中减去x

10 z=torch.mul(x,y) 或  y.mul_(x) 矩阵相乘

11 z=torch.div(x,y) 矩阵相除

12 y = x.view(20) 重塑为一维张量，数据顺序保持不变（按行优先顺序展开）

• reshape(-1)：功能类似但会自动处理连续性问题, -1表示自动计算该维度大小

• flatten()：专门用于展平为一维

13 类型转换，但引用地址不变

　　a=torch.ones(5)    b=a.numpy() 

　　a = np.ones(5)      b=torch.from_numpy(a)

14 torch.cuda.is_available() #gpu