循化县公司网站建设黄页网络的推广网站有哪些

先贴上链接

torch - PyTorch中文文档

首先我们需要安装拥有pytorch的环境

conda指令

虚拟环境的一些指令
查看所有虚拟环境 conda info -e
创建新的虚拟环境 conda create -n env_name python=3.6
删除已有环境 conda env remove -n env_name
激活某个虚拟环境 activate env_name
退出某个虚拟环境 deactivate env_name
虚拟环境重命名 先克隆一个环境再把之前的环境删了
conda create --name newName（新环境名） --clone oldName（旧环境名）
conda remove --name oldName（旧环境名） --all

conda create -n pytorch_env python=3.10
conda activate pytorch_env

pip3 install torch torchvision 

1、torch

torch.is_tensor(obj) 
#如果obj 是一个pytorch张量，则返回Truea=numpy.array([1, 2, 3])
t=torch.from_numpy(a) 
# a(ndarray) → t(Tensor)
# 将numpy.ndarray 转换为pytorch的Tensor。返回的张量tensor和numpy的ndarray共享同一内存空间。# 修改一个会导致另外一个也被修改。返回的张量不能改变大小。t=torch.zeros(2, 3) #torch.zeros(*sizes, out=None) → Tensor
#返回一个全为0的张量，形状由可变参数sizes定义。t=torch.ones(2, 3) #torch.ones(*sizes, out=None) → Tensor
#返回一个全为1的张量，形状由可变参数sizes定义。t=torch.rand(2, 3) #torch.rand(*sizes, out=None) → Tensor
#返回一个张量，包含了从区间[0,1)的均匀分布中抽取的一组随机数，形状由可变参数sizes 定义。t=torch.randn(1, 5) #torch.randn(*sizes, out=None) → Tensor
#返回一个张量，包含了从标准正态分布(均值为0，方差为 1，即高斯白噪声)中抽取一组随机数
#形状由可变参数sizes定义。torch.numel(input) #返回input 张量中的元素个数
torch.eye(n, m=None, out=None) 
#返回一个2维张量，对角线位置全1，其它位置全0
# n (int ) – 行数/m (int, optional) – 列数.如果为None,则默认为n
# out (Tensor, optinal) - Output tensor/返回值: 对角线位置全1，其它位置全0的2维Tensor

2、torch.Tensor