PytorchDay3的数据分析，有哪些长尾词技巧可以提升模型性能？

本文共计4056个文字，预计阅读时间需要17分钟。

PyTorch和NumPy中的张量类似于NumPy中的n维数组。PyTorch可以利用`.cuda()`方法将张量运行在GPU上，实现加速计算。本文主要介绍PyTorch中的张量，它们类似于NumPy中的n维数组。

Pytorch和Numpypytorch中的张量就类似于numpy中的n维数组。但是pytorch可以通过.cuda()方法使用GPU加速计算。这篇文章主要介绍pytorch的一些

Pytorch和Numpy

pytorch中的张量就类似于numpy中的n维数组。但是pytorch可以通过.cuda()方法使用GPU加速计算。这篇文章主要介绍pytorch的一些基本操作。这里也贴一下Pytorch的网站里面也有torch的函数的参数说明以及例子。

1.首先是导入包。

import torch #导入pytorch包import numpy #导入numpy包

2.torch中常用的创建张量的方法

创建一个未初始化的2×3的矩阵

声明未初始化的矩阵但使用前不包含确定的已知值。当创建一个未初始化的矩阵时无论当时分配的内存中有什么值都会显示为初始值。

a torch.tensor([[1,2,3],[4,5,6]])#创建一个tensor([[1,2,3],[4,5,6]])print(a.size())#获得张量a的形状是一个元组print(a)x torch.empty(2, 3)#多次运行可以看到每次的x都是不一样的因为未初始化print(x.size())#获得张量x的形状是一个元组print(x)#此时的x未初始化size与a相同。