mirror of
https://github.com/apachecn/ailearning.git
synced 2026-02-11 22:35:35 +08:00
74 lines
2.7 KiB
Markdown
74 lines
2.7 KiB
Markdown
# 2.1 – Torch vs Numpy
|
||
|
||
## 用 Numpy 还是 Torch
|
||
|
||
Torch 自称为神经网络界的 Numpy, 因为他能将 torch 产生的 tensor 放在 GPU 中加速运算 (前提是你有合适的 GPU), 就像 Numpy 会把 array 放在 CPU 中加速运算. 所以神经网络的话, 当然是用 Torch 的 tensor 形式数据最好咯. 就像 Tensorflow 当中的 tensor 一样.
|
||
|
||
当然, 我们对 Numpy 还是爱不释手的, 因为我们太习惯 numpy 的形式了. 不过 torch 看出来我们的喜爱, 他把 torch 做的和 numpy 能很好的兼容. 比如这样就能自由地转换 numpy array 和 torch tensor 了:
|
||
|
||
```py
|
||
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]]
|
||
)
|
||
```
|
||
|
||
## Torch 中的数学运算
|
||
|
||
其实 torch 中 tensor 的运算和 numpy array 的如出一辙, 我们就以对比的形式来看. 如果想了解 torch 中其它更多有用的运算符, [API就是你要去的地方](http://pytorch.org/docs/torch.html#math-operations).
|
||
|
||
```py
|
||
# abs 绝对值计算
|
||
data = [-1, -2, 1, 2]
|
||
tensor = torch.FloatTensor(data) # 转换成32位浮点 tensor
|
||
print(
|
||
\'\nabs\',
|
||
\'\nnumpy: \', np.abs(data), # [1 2 1 2]
|
||
\'\ntorch: \', torch.abs(tensor) # [1 2 1 2]
|
||
)
|
||
|
||
# sin 三角函数 sin
|
||
print(
|
||
\'\nsin\',
|
||
\'\nnumpy: \', np.sin(data), # [-0.84147098 -0.90929743 0.84147098 0.90929743]
|
||
\'\ntorch: \', torch.sin(tensor) # [-0.8415 -0.9093 0.8415 0.9093]
|
||
)
|
||
|
||
# mean 均值
|
||
print(
|
||
\'\nmean\',
|
||
\'\nnumpy: \', np.mean(data), # 0.0
|
||
\'\ntorch: \', torch.mean(tensor) # 0.0
|
||
)
|
||
```
|
||
|
||
除了简单的计算, 矩阵运算才是神经网络中最重要的部分. 所以我们展示下矩阵的乘法. 注意一下包含了一个 numpy 中可行, 但是 torch 中不可行的方式.
|
||
|
||
```py
|
||
# matrix multiplication 矩阵点乘
|
||
data = [[1,2], [3,4]]
|
||
tensor = torch.FloatTensor(data) # 转换成32位浮点 tensor
|
||
# correct method
|
||
print(
|
||
\'\nmatrix multiplication (matmul)\',
|
||
\'\nnumpy: \', np.matmul(data, data), # [[7, 10], [15, 22]]
|
||
\'\ntorch: \', torch.mm(tensor, tensor) # [[7, 10], [15, 22]]
|
||
)
|
||
|
||
# !!!! 下面是错误的方法 !!!!
|
||
data = np.array(data)
|
||
print(
|
||
\'\nmatrix multiplication (dot)\',
|
||
\'\nnumpy: \', data.dot(data), # [[7, 10], [15, 22]] 在numpy 中可行
|
||
\'\ntorch: \', tensor.dot(tensor) # torch 会转换成 [1,2,3,4].dot([1,2,3,4) = 30.0
|
||
)
|
||
```
|
||
|
||
文章来源：[莫烦](https://morvanzhou.github.io/) |