| muzi-8

PYTORCH 系列教程（一）

Author：muzi

<center>201_torch_numpy</center>

将numpy数组转换为张量，或者张量转换为数组
(convert numpy to tensor or vise versa 反之亦然)

code
import torch
import numpy as np
np_data = np.arange(6).reshape((2, 3))
print np_data
torch_data = torch.from_numpy(np_data)
print torch_data
tensor2array = torch_data.numpy()
print tensor2array
结果：

[[0 1 2]
[3 4 5]]

0 1 2
3 4 5
[torch.LongTensor of size 2x3]

[[0 1 2]
[3 4 5]]
元素取绝对值

code
data = [-1, -2, 1, 2]
print data
tensor = torch.FloatTensor(data)
print tensor
print np.abs(data)
print torch.abs(tensor)
结果：

[-1, -2, 1, 2]

-1
-2
1
2
[torch.FloatTensor of size 4]

[1 2 1 2]

1
2
1
2
[torch.FloatTensor of size 4]
元素取sin值

code
print np.sin(data)
print torch.sin(tensor)
结果：

[-0.84147098 -0.90929743 0.84147098 0.90929743]

-0.8415
-0.9093
0.8415
0.9093
[torch.FloatTensor of size 4]
张量元素取sigmoid值

code
print tensor.sigmoid()
结果

0.2689
0.1192
0.7311
0.8808
[torch.FloatTensor of size 4]
张量元素取指数值

code
print tensor.exp()
结果：

0.3679
0.1353
2.7183
7.3891
[torch.FloatTensor of size 4]
元素取平均值

code
print np.mean(data)
print torch.mean(tensor)
结果：

0.0
0.0
7.列表，张量的矩阵运算

data = [[1,2], [3,4]]
print data
print type(data)
tensor = torch.FloatTensor(data)
print np.matmul(data,data)
print type(np.matmul(data,data))
print torch.mm(tensor,tensor)
结果：

[[1, 2], [3, 4]]

数据类型是list，可以通过matmul计算list的矩阵运算。
[[ 7 10]
[15 22]]

7 10
15 22
[torch.FloatTensor of size 2x2]
数组的矩阵乘法操作；张量的內积运算

code
data = np.array(data)
print data
print type(data) #数据类型是数组，可以通过dot操作计算矩阵运算
print data.dot(data)
tensor = torch.FloatTensor(data)
print tensor
#print tensor.dot(tensor) #不正确的操作，因为维度不匹配
data1 = [1,2,3,4]
print type(data1)
print type(data1)
tensor = torch.FloatTensor(data1)
print tensor
print tensor.dot(tensor) #正确的操作进行內积运算
结果：

[[1 2]
[3 4]]

[[ 7 10]
[15 22]]

1 2
3 4
[torch.FloatTensor of size 2x2]

[1, 2, 3, 4]

1
2
3
4
[torch.FloatTensor of size 4]

30.0
张量对应元素相乘

data =[[1,2],[3,4]]
print data
print type(data)
data = np.array(data)
print data # 数据类型：列表与数组区别
print type(data)
tensor = torch.FloatTensor(data)
print tensor.mm(tensor)
print tensor*tensor # 张量元素的对应乘积
data1 = np.arange(1,5)
data2 = np.array([1,2,3,4]) # 两种方式产生(n,)的数组
print data1
print data2
print type(data1)
print data1.shape
tensor_1D = torch.FloatTensor(data1)
tensor_1D_ = torch.from_numpy(data2) #两种方式将（n,）的数组转换为 1-D张量
print tensor_1D
print tensor_1D.dot(tensor_1D) # 1-D张量类型数据的內积：对应元素相乘求和
结果：

[[1, 2], [3, 4]]

[[1 2]
[3 4]]
#列表与数组的区别

7 10
15 22
[torch.FloatTensor of size 2x2] #张量矩阵乘法

  1   4
  9  16
[torch.FloatTensor of size 2x2]  #张量对应元素相乘

[1 2 3 4]
[1 2 3 4]
<type 'numpy.ndarray'>
(4,)

 1
 2
 3
 4
[torch.FloatTensor of size 4]

<class 'torch.FloatTensor'>
30.0

Reference :
莫烦：pytorch教程

PYTORCH 系列教程（一）

数据类型是list，可以通过matmul计算list的矩阵运算。