张量

矩阵初始化——torch

from __future__ import print_function

import torch

x = torch.empty(5,3)

y = torch.rand(5,3)

z = torch.zeros(5,3,dtype=torch.long)#全零

m = torch.tensor([5.5,3])

x = x.new_ones(5,3,dtype=torch.double)

x = torch.randn_like(x,dtype = torch.float)

x.size()

# 分行列-1表示一个不确定的数，就是你如果不确定你想要reshape成几行，但是你很肯定要reshape成4列，那不确定的地方就可以写成-1，例如一个长度的16向量x，x.view(-1, 4)等价于x.view(4, 4)，x.view(-1, 2)等价于x.view(8，2)

x = torch.randn(4,4)

y = x.view(-1)

z = x.view(-1,8)

#转置

x.t_()

自动微分（autograd）

神经网络

Conv2d参数

nn.Linear详解

激活函数ReLU

池化层

图像分类器

注意： 如果上图中的红框代码运行时，device无法获取到cuda或者torch.cuda.is_available()返回False，这种情况基本上是因为CUDA版本不匹配的问题，最简单也最安全的做法是重新创建一个新的版本匹配的虚拟环境，创建GPU版的Pytorch环境教程(点击跳转)

数据并行处理

电脑有多少GPU每个输出outside的In Model就有多少行

————————————————

版权声明：本文为CSDN博主「ZoomToday」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。

原文链接：https://blog.csdn.net/qq_36477513/article/details/114819068