pytorch動態計算圖有什麼好處

資料計算160;

Torch 自稱為神經網路界的 Numpy, 因為他能將 torch 產生的 tensor 放在 GPU 中加速運算 (前提是你有合適的 GPU), 就像 Numpy 會把 array 放在 CPU 中加速運算。Torch和Numpy之間可以進行自由的切換：

import torch import numpy as np np_data = np.arange(6).reshape((2, 3)) torch_data = torch.from_numpy(np_data) tensor2array = torch_data.numpy() print( ;;nnumpy array:;, np_data, [[0 1 2], [3 4 5]] ;;ntorch tensor:;, torch_data, 0 1 2 ;n 3 4 5 [torch.LongTensor of size 2x3] ;;ntensor to array:;, tensor2array, [[0 1 2], [3 4 5]] )

Pytorch中的數學計算：160;

Pytorch中很多的數學計算與numpy中的數學計算函式是相同的

abs 絕對值計算 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) [1 2 1 2] ) sin 三角函式

2.Variable 變數160;

Pytorch的Variable相當於一個Wraper，如果你想將資料傳送到Pytorch構建的圖中，就需要先將資料用Variable進行包裝，包裝後的Variable有三個attribute：data，creater，grad