pytorch
花了好久时间终于装好了 pytorch，连上了 vscode
一些传送门：
pytorch 官网
pytorch 中文手册
深入浅出 pytorch
前置
引入 torch 库
import torch
查看是否有可用的 CUDA
torch.cuda.is_available()
tensor
张量
一些基本的操作：
创建一个 tensor
a = torch.tensor([1,2,3], dtype = int)
创建一个二维 tensor
a = torch.tensor([[1.1, 2, 8.1],[3.1, 6, 9.1]], dtype=float)
查看数据类型
a.dtype
查看数据维度（行数）
a.ndim
查看数据形状（几行几列）
a.shape # method 1
a.size() # method 2
数据生成
生成全 \(1\) 矩阵
a = torch.ones(2, 3)
生成全 \(0\) 矩阵
a = torch.zeros(2, 3)
以上两例均默认生成 float，只填一个参数则默认一维
生成随机矩阵：
生成 $\left [ 0,1 \right ) $ 的随机 float 矩阵
a = torch.rand(3, 3)
生成在 low 与 high 之间（左闭右开，low 默认为 \(0\)）的随机 int 矩阵
a = torch.randint(2, 18, (3, 4))
生成符合正态分布的随机矩阵
a = torch.randn(2, 4)
生成相似的随机矩阵
b = torch.rand_like(a, dtype=float)
改变矩阵形状（不改变大小）
# 此例中 a 原来大小为(3, 4)
a = a.view(2, 6) # method 1
a = a.reshape(2, 6) # method 2
取出 tensor 中的值
a = torch.rand(3, 3)
b = a[2][1].item()
torch 的 tensor 与 numpy 的 array 之间互相转化
a = torch.randint(2, 7, (3, 4))
b = numpy.array(a)
c = torch.tensor(b)
生成固定整数列的矩阵
a = torch.arange(4, 12).reshape(2, 4)
基本运算操作
两个形状相同的矩阵对应位置相加
a + b # method 1
torch.add(a, b, out = c) # method 2 输出保存到 c
a.add_(b) # method 3 a = a + b
减法（-）、乘法（*)、除法（/）、取模(%)、整除（//）同理
幂
a ** 2
矩阵乘法
torch.matmul(a, b) # a 的行数要和 b 的列数对上
开方
torch.sqrt(a)
转置
a.T
矩阵内统计
torch.sum(a) #求和
torch.min(a) #最小
torch.max(a) #最大
torch.argmin(a) #最小值所在位置索引
torch.argmax(a) #最大值所在位置索引
torch.mean(a) #平均数
torch.median(a) #中位数（偶数个取偏小的那个）
索引
跟 python 普通的列表的各种操作基本一样
取出一个子序列
index = [1, 3, 5, 5]
a = a[index]
自动求导
import torch
a = torch.ones((2, 2), requires_grad = True) #可获取梯度
b = a + 2
c = b * b * 3
out = c.mean()
out.backward()
print(a.grad)