Cha3 深度学习基础-Pytorch 函数总结

一、Pytorch函数总结

函数	功能	参数	定义	备注	示例	示例
torch.mul	对位相乘	两个矩阵 或者一个矩阵一个标量	torch.mul(input, other, *, out=None) → Tensor	“如果input和other都是矩阵向量，size必须一样 结果是对应位置的元素相乘 如果other是标量（只有一个元素），结果是把这个元素都乘上去 “
torch.mm	二维矩阵乘法 其他维度不行	两个矩阵	torch.mm(input, mat2, *, out=None) → Tensor	行列式相乘
torch.matmul	适用性最多的，能处理batch、可以广播不是对位相乘 是矩阵乘法	任意两个tensor	torch.matmul(input, other, *, out=None) → Tensor	“向量和向量对位相乘矩阵和向量 行列式乘法”
torch.ones	生成全为1的tensor	shape 是一个整数序列，可以是一个数字也可以是list或者tuple	ones(size, , out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) -> Tensor
torch.zeros	生成全为1的tensor	shape同上 比如2行3列可以写成(2,3) [2,3]	zeros(size, , out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) -> Tensor
torch.randn	按照正则分布产生数据	Size参数同上	randn(size, , out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) -> Tensor
torch.normal	按照正则分布产生 但是每一个元素的mean和std不一样 是不同曲线生成的	means是一个tensor list表示第一个元素的mean std也是一个tensor list	normal(mean, std, *, generator=None, out=None) -> Tensor	感觉参数比较诡异 不建议使用
torch.tensor	返回tensor变量	data可以是list，tuple，numpy的各种类型 data (array_like) – Initial datafor the tensor. Can be a list, tuple, NumPy ndarray, scalar, and other types.	tensor(data, *, dtype=None, device=None, requires_grad=False, pin_memory=False) -> Tensor	这个函数生成tensor的时候 会新建存储
torch.Tensor	与torch.FloatTensor相同，只返回cpu张量且是float类型	还没搞清楚
view	返回的变量只是原变量的一个软连接，两个变量共享存储No data movement occurs when creating a view, view tensor just changes the way it interprets the same data.	shapeShape 可以是torch.Size 也可以是int	Tensor.view(*shape) → Tensor	“1. view 的参数是torch.Size 或很多int 参数，可以带括号也可以不用view([2,2])view((2,2))view(2,2)以上效果是一样的2. torch.Size是一个不可变序列 immutable sequence. 如果没有参数，则返回空tuple如果是可迭代的，比如list 则迭代后返回tuple如果是个tuple ，则直接返回”

二、Pytorch数据类型总结

Data type	dtype	Tensor types
32-bit floating point	torch.float32 or torch.float	torch.*.FloatTensor
64-bit floating point	torch.float64 or torch.double	torch.*.DoubleTensor
16-bit floating point	torch.float16 or torch.half	torch.*.HalfTensor
8-bit integer (unsigned)	torch.uint8	torch.*.ByteTensor
8-bit integer (signed)	torch.int8	torch.*.CharTensor
16-bit integer (signed)	torch.int16 or torch.short	torch.*.ShortTensor
32-bit integer (signed)	torch.int32 or torch.int	torch.*.IntTensor
64-bit integer (signed)	torch.int64 or torch.long	torch.*.LongTensor

三、Pytorch 模型函数总结

名字	功能	参数	定义	备注1	备注2
nn.Linear	对于输入数据，做一个线性转换	“输入特征数目 输出特征数目 是否需要偏置”
nn.Conv2d	对于输入数据，做2D的卷积运算	“in_channels 输入通道数（必选） out_channels 输出通道数(必选) kernel_size 卷积核的size，传整数比如2 表示size 是[2,2] 要么传list表示大小 stride移动方式 形式如kernel_size可以是整数或者list padding是否padding”