pytorch tutorial 01

1. Pytorch入門（１）

2. pytorchとは
- pythonで動作する機械学習用ライブラリ
- Facebook製

3. torch tensor
1. pytorchの基本機能
2. numpyに似たインタフェース
3. 簡易にgpu演算が可能

4. import torch
x1 = torch.tensor([1,2])
print(x1)
=> tensor([1, 2])
torch tensor

5. torch empty
x2 = torch.empty(5, 3)
print(x2)
=> tensor([[0., 0., 0.],
[0., 0., 0.],
[0., 0., 0.],
[0., 0., 0.],
[0., 0., 0.]])
1. 未初期化の配列を作成する
2. 割り当てられたメモリにあった値が初期値

6. torch random
x3 = torch.rand(5, 3)
print(x3)
=> tensor([[0.8747, 0.1603, 0.2513],
[0.6047, 0.7739, 0.9702],
[0.1574, 0.1463, 0.1762],
[0.8923, 0.5875, 0.5725],
[0.3153, 0.1467, 0.9051]])
1. 乱数の配列も可能

7. torch size
x4 = torch.empty(3, 2)
print( x4.size() )
=> torch.Size([3, 2])
1. 配列のサイズを取得(np.shape的な)

8. torch operations
x = torch.tensor([1,2,3])
y = torch.tensor([10,20,30])
print(x + y)
=> tensor([11, 22, 33])
配列同士の加算
print(torch.add(x, y))
=> tensor([11, 22, 33])
上記と動作は同じ

9. torch operations
x = torch.tensor([1,2,3])
y = torch.tensor([10,20,30])
y.add_(x)
print(y)
=> tensor([11, 22, 33])
破壊的メソッド(本例ではyの値を変更する)
メソッド名末尾がアンダーバーの場合は破壊的

10. torch index
x = torch.tensor([[1,2,3], [4,5,6]])
print(x[:,1])
print(x[:, :2])
=> tensor([2, 5])
=> tensor([[1, 2],
[4, 5]])
numpyライクなインデックス操作

11. torch view
x = torch.tensor([[1,2,3,4], [5,6,7,8]])
print(x.view(8))
print(x.view(-1, 2))
=> tensor([1, 2, 3, 4, 5, 6, 7, 8])
=> tensor([[1, 2],
[3, 4],
[5, 6],
[7, 8]])
viewで行列をresize, reshapeする

12. torch item
x = torch.tensor([[1,2,3,4], [5,6,7,8]])
print( x[0, 0].item() )
print( type(x[0, 0].item()) )
=> 1
=> <class ‘int’>
1つの値が欲しい場合はitemで取得
取得した値はpython number型

13. torch numpy bridge
x1 = torch.tensor([1,2,3,4])
x2 = x1.numpy()
x3 = torch.from_numpy(x2)
print(x)
print(_x)
print(__x)
=> tensor([1, 2, 3, 4])
=> [1 2 3 4]
=> tensor([1, 2, 3, 4])
tensorとnumpyは相互に変換が可能

14. torch cuda
device = "cuda:1" if torch.cuda.is_available() else "cpu"
x = torch.tensor([1,2,3]).to(device)
y = torch.tensor([10,20,30]).to(device)
z = x + y
print(z)
print(z.to("cpu"))
=> tensor([11, 22, 33], device='cuda:1')
=> tensor([11, 22, 33])
tensorをgpuに転送
deviceを定義することでコードが簡潔になる

15. torch cuda
device = "cuda:1" if torch.cuda.is_available() else "cpu"
x = torch.tensor([1,2,3]).to(device)
y = torch.tensor([10,20,30])
z = x + y
=> RuntimeError: expected device cuda:1 and dtype Long but got
device cpu and dtype Long
cpu + gpuの演算はエラーとなるので注意
x.to(gpu) + y.to(gpu)もしくはx.to(cpu) + y.to(cpu)

16. 終了