莫烦pytorch学习笔记(一)——torch or numpy

Q1:什么是神经网络?

Q2:torch vs numpy

Numpy：NumPy系统是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高 效的多（该结构也可以用来表示矩阵（matrix））。专为进行严格的数字处理而产生。

 

Q3:numpy和Torch的转换

Q3 torch中的数学运算

torch中的tensor运算和numpy的array运算很相似，具体参看下面的代码

 import torch
 import numpy as np

 data=[-,-,,]
 tensor=torch.FloatTensor(data)# 转换成32位浮点 tensor
 print(
     '\nabs',
     '\nnumpy',np.abs(data),# [   ]
     '\ntorch',torch.abs(tensor) # torch tensor([., ., ., .])
 )
 print(
     '\nsin',
     '\nnumpy:',np.sin(data), # [-0.84147098 -0.90929743  0.84147098  0.90929743]
     '\ntorch:',torch.sin(tensor)# [-0.8415 -0.9093  0.8415  0.9093]
 )
 print(
     '\nmean',
     '\nnumpy',np.mean(data),
     '\ntorch',torch.mean(tensor)
 )

当然还有其他各种运算，自己去尝试吧。

Q4:2.2 numpy和torch的矩阵乘法还是有点不同的，下面将对其区别进行展示：

import torch
import numpy as np
data=[[,],[,]]
tensor=torch.FloatTensor(data)
print(
    '\nnumpy',np.matmul(data,data), # [[, ], [, ]]
    '\ntorch',torch.mm(tensor,tensor)# [[, ], [, ]]
)
data=np.array(data)
print(
    '\nnumpy',data.dot(data),  # [[, ], [, ]] 在numpy 中可行,进行的是叉乘
    #'\ntorch: ', tensor.dot(tensor)  # 报错

)