我的个人博客

pytorch

torch Tensor

import torch

x=torch.arange(12)
x
tensor([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11])

#张量的形状
x.shape

#含有元素个数
x.numel()

#维度自动推断
X=x.reshape(3,4)=x.reshape(-1,4)=x.reshape(3,-1)

torch.zeros((2,3,4))
torch.ones(2,3,4)
torch.randn(3,4)

转置函数

在pytorch中转置用的函数就只有这两个

1. transpose()

2. permute()

transpose()

torch.transpose(input, dim0, dim1, out=None) → Tensor

函数返回输入矩阵input的转置。交换维度dim0和dim1

参数:

• input (Tensor) – 输入张量，必填

• dim0 (int) – 转置的第一维，默认0，可选

• dim1 (int) – 转置的第二维，默认1，可选

注意只能有两个相关的交换的位置参数。

permute()

参数：

dims (int…*)-换位顺序，必填

常用函数

one_hot

图像转换

当用PIL中的Image.open打开RGB图像时，image.size = (w,h)
即（列，行）—>(x,y)

如果把该图载转换为易于操作的ndarray形式，则：
image = np.asarray(image)

转换后的image.shape=（h,w,c）c为通道数，RGB图像c=3
(h,w)为（行，列），即为（y,x）

numpy

numpy库数组属性查看：类型、尺寸、形状、维度

import numpy as np  
      
a1 = np.array([1,2,3,4],dtype=np.complex128)  
print(a1)  
print("数据类型",type(a1))           #打印数组数据类型  
print("数组元素数据类型：",a1.dtype) #打印数组元素数据类型  
print("数组元素总数：",a1.size)      #打印数组尺寸，即数组元素总数  
print("数组形状：",a1.shape)         #打印数组形状  
print("数组的维度数目",a1.ndim)      #打印数组的维度数目  

PIL

from PIL import Image
from matplotlib import pyplot as plt

#显示图片，图片尺寸，通道数
img=Image.open("Image/1.jpg")
plt.imshow(img)
img.size,img.layers

#图片变为numpy对象，W*H*C,范围[0-256]
import numpy as np
img_ndarray=np.asarray(img)
#W*H*C
img_ndarray.shape

#numpy转化为torch，C*W*H
trans=torchvision.transforms.ToTensor()
img2_trans=trans(img2_n)
img2_trans.shape

tensor变为整数类型

a = [[1.,2.],[3.,4.]]
b = torch.tensor(a)
# c = torch.tensor(b,dtype=torch.int)
c = b.clone().type(torch.int)

print(b)
print(c)

argmax：求某一维度最大值的下标

detach

torch.nn

Flatten

展平层，将1维到最后1维展开成一个向量形式

torch.utils.data

torch.zeros

矩阵转置

损失函数

nn.CrossEntropyloss

optim

SGD

torchvision

transforms

ToTensor