本文主要介绍pytorc档(pytorch中文文档pdf)，下面一起看看pytorc档(pytorch中文文档pdf)相关资讯。
torch是_ tensoras _ tensors，从arraylike创建张量，共享内存，默认从_numpy开始梯度计算，从ndarray复制tensor zeros(size)zeros _ likeones(size)ones _ like随机生成张量:
伯努利正态(mean，std)泊松\(out _ i \ simpoisson(input _ i)\)rand(size)u(0，1) rand _ like randn (0，1) randn _ like randperm。
和ndarray一致，可以互相转化，但是张量可以在gpu上运行。
通常使用不同数据类型的张量:
火炬。飞人，火炬。doubletensortorch。短张量，火炬。int张量，火炬。长张量默认为浮点张量。
建筑火炬。张量(数据，数据类型，设备，要求_梯度，pin _存储器)
参数列表:
数据列表、ruple或ndarray或tensor type(torch . dtype)张量的类型。如果留空，则默认数据类型，选项:torch.float，torch.int，其他设备的存储位置(torch.device)张量，如果留空，则在同一个位置，否则默认在cpu上。常见的值有torch . device( ;cuda : 0 ;).(作者 s注:该参数用于在cpu上训练模型)requires_grad(bool)用于亲笔签名，默认值为false。如果需要，可以调用requires_grad_修改只对cpu类张量有效的值pin_memory(bool)，将张量赋给pinned内存。或者页锁内存，则默认值为false。开启后张量的读取速度增加，需要大内存的电脑可以使用这个参数。对于张量的数值，使用torch.as_tensor避免数据复制。
tensor.item仅对具有一个元素的张量有效。用括号索引张量得到的结果还是张量，需要用item转换成python数字。
x =火炬。张量([1.0])x . item1.0 data dataset . utils . data . dataset中的抽象类需要重载__len__和__getitem__。
映射样式的数据集映射样式的数据集实现__getitem__和__len__协议，并表示从(可能是非整数)索引/键到数据样本的映射。
例如，当使用数据集[idx]访问这样的数据集时，可以从磁盘上的文件夹中读取第idx个图像及其相应的标签。
iterable-style dataset iterable-style dataset是iterabledataset的子类实例，它实现__iter__协议，并表示数据样本上的iterable。这种类型的数据集特别适用于随机读取开销很大甚至不可行的情况，以及批处理大小取决于获取的数据的情况。
例如，当这样的数据集被称为iter(dataset)时，它可以返回从数据库中读取的数据流e、远程服务器，甚至实时生成的日志。
数据加载对于迭代数据，数据加载顺序由用户自定义的__iter__决定。
对于映射数据，请使用torch.utils.data.sampler加载数据。
注:torc件不明确，需要结合具体项目研究。
dataloaderdataloader(dataset，batch_size=1，shuffle=false，sampler=none，batch_sampler=none，num_workers=0，collate_fn=none，pin_memory=false，drop _ last = false，timeout = 0，worker _ init _ fn = none，*，prefetch _ factor = 2，persistent _ workers = false)dataset(dataset)–dataset batch _ size(int，可选)–数据批次，每个批次中有多少次shuffle (bool，可选)–是否中断collate_fn(可调用，可选)–读取时使用可以填写模块型号。模板:
导入torch.nn作为nni导入torch.nn.functional作为f class mod: d: super。__init__ self.conv1 = nn。conv2d(1，20，5) self.conv2 = nn。conv2d(20，20，5) d: x = f . relu(self。conv1 (x))返回f. relu (self。conv2 (x))焊炬。optim有很多优化算法。您需要首先创建一个优化器对象，然后它将根据计算的梯度更新参数。
optimizer = optim。sgd(model.parameters，lr=0.01，动量= 0.9)optimizer = optim . adam([var 1，var 2]，lr = 0.0001)支持算法:adadelta，adagrad，adam，adamw，sparseadam，adamax，asgd，lbfgs，nadam，radam，rmsprop，rprop，sgd。
模型加载和保存保存的对象是模型类。
torch.save(型号 。/model . pth ;)load _ model = torch . load( ; )标签:
数据加载
了解更多pytorc档(pytorch中文文档pdf)相关内容请关注本站点。