pytorch学习笔记1--torch和numpy的对比_numpy 与torch区别

一、numpy和torch

1. numpy是python中处理数据的模块，可以处理各种的矩阵(matrix)。
2. Torch自称为神经网络中的numpy。它会将torch产生的tensor放在GPU中加速运算，就像numpy会把array放在CPU中加速运算。

numpy和torch能很好的兼容，对于数据的运算形式也十分相似。numpy array和torch tensor之间也能很好的转换。

二、numpy和torch之间的转换以及运算

• numpy和torch之间的转换

import numpy
import torch
 
numpy_data=numpy.arange(6).reshape((2,3))  #numpy array   将数组转换为2行3列的形式
torch_data=torch.tensor([1,2,3,4,5,6]).reshape((3,2))#torch tensor
#numpy array与torch tensor之间的相互转换
array2tensor=torch.from_numpy(numpy_data)#numpy array->torch tensor，其参数必须是数组形式
tensor2array=torch_data.numpy()      #torch tensor->numpy array
print(
    'numpy array:\n',numpy_data,
    '\nnumpy array->torch tensor:\n',array2tensor,
    '\n\ntorch tensor:\n',torch_data,
    '\ntorch tensor->numpy array:\n',tensor2array
)

运行结果：

numpy array:
 [[0 1 2]
 [3 4 5]] 
numpy array->torch tensor:
 tensor([[0, 1, 2],
        [3, 4, 5]], dtype=torch.int32) 
 
torch tensor:
 tensor([[1, 2],
        [3, 4],
        [5, 6]]) 
torch tensor->numpy array:
 [[1 2]
 [3 4]
 [5 6]]

• torch中的部分数学运算举例。（与numpy对比着来看一下）

import numpy
import torch
 
#abs 绝对值
data1=[-2,1,-3,-5]
tensor1=torch.IntTensor(data1)   #转换为整型的tenor
print(
    'abs_numpy:\n',numpy.abs(data1),
    '\nabs_torch:\n',torch.abs(tensor1)
)
 
#sin 三角函数
data2=[numpy.pi/2.0]
tensor2=torch.FloatTensor(data2)
print(
    'sin_numpy:\n',numpy.sin(data2),
    '\nsin_torch:\n',torch.sin(tensor2)
)
 
#mean 平均值
data3=[1,2,3]
tensor3=torch.FloatTensor(data3)
print(
    'mean_numpy:\n',numpy.mean(data3),
    '\nmean_torch:\n',torch.mean(tensor3)
)

运算结果：

abs_numpy:
 [2 1 3 5] 
abs_torch:
 tensor([2, 1, 3, 5], dtype=torch.int32)
sin_numpy:
 [1.] 
sin_torch:
 tensor([1.])
mean_numpy:
 2.0 
mean_torch:
 tensor(2.)

• torch中的矩阵运算与numpy中的矩阵运算的对比

  import numpy
  import torch
   
  #矩阵相乘
  np_matrix1=[[1,2],[3,4]]
  torch_matrix1=torch.IntTensor(np_matrix1)
  #matrix_multiply
  print(
      'numpy_mutiply:\n',numpy.matmul(np_matrix1,np_matrix1),
      '\ntorch_multiply:\n',torch.matmul(torch_matrix1,torch_matrix1)
  )
   
  torch_matrix2=torch.IntTensor([1,2,3])
  #matrix_dot
  print(
      '\nnumpy_dot:\n',numpy.dot(np_matrix1,np_matrix1),
      '\ntorch_dot:\n',torch.dot(torch_matrix2,torch_matrix2),
  )
  

  运行结果： 

  numpy_mutiply:
   [[ 7 10]
   [15 22]] 
  torch_multiply:
   tensor([[ 7, 10],
          [15, 22]], dtype=torch.int32)
   
  numpy_dot:
   [[ 7 10]
   [15 22]] 
  torch_dot:
   tensor(14, dtype=torch.int32)
  

  注：tensor.dot()  只针对一维数组进行运算