莫煩pytorch學習筆記(一)——torch or numpy

Q1:什么是神經網絡?

Q2:torch vs numpy

Numpy：NumPy系統是Python的一種開源的數值計算擴展。這種工具可用來存儲和處理大型矩陣，比Python自身的嵌套列表（nested list structure)結構要高 效的多（該結構也可以用來表示矩陣（matrix））。專為進行嚴格的數字處理而產生。

 

Q3:numpy和Torch的轉換

Q3 torch中的數學運算

torch中的tensor運算和numpy的array運算很相似，具體參看下面的代碼

import torch
import numpy as np

data=[-1,-2,1,2]
tensor=torch.FloatTensor(data)# 轉換成32位浮點 tensor
print(
    '\nabs',
    '\nnumpy',np.abs(data),# [1 2 1 2]
    '\ntorch',torch.abs(tensor) # torch tensor([1., 2., 1., 2.])
)
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)
)

當然還有其他各種運算，自己去嘗試吧。

 Q4:2.2 numpy和torch的矩陣乘法還是有點不同的，下面將對其區別進行展示：

import torch
import numpy as np
data=[[1,2],[3,4]]
tensor=torch.FloatTensor(data)
print(
    '\nnumpy',np.matmul(data,data), # [[7, 10], [15, 22]]
    '\ntorch',torch.mm(tensor,tensor)# [[7, 10], [15, 22]]
)
data=np.array(data)
print(
    '\nnumpy',data.dot(data),  # [[7, 10], [15, 22]] 在numpy 中可行,進行的是叉乘
    #'\ntorch: ', tensor.dot(tensor)  # 報錯

)