共计 2628 个字符，预计需要花费 7 分钟才能阅读完成。
什么是 PyTorch？
PyTorch 是 Facebook 人工智能团队开发的一个机器学习和深度学习工具，用于处理大规模图像分析，包括物体检测，分割与分类。但是它的功能不仅限于此。它与其它深度学习框架结合，能够完成复杂的算法。PyTorch 用 Python 和 C ++ 编写。PyTorch 属于深度学习框架中的重要一员，与 TensorFlow, Keras, Theano 等其它深度学习框架不同，它是动态计算图模式，其应用模型支持在运行过程中根据运行参数动态改变，而其它框架都是静态计算图模式，其模型在运行之前就已经确定。以下是各个深度学习框架的热度对比:
关于各个深度学习框架的对比，可以参考网址：Comparison of deep learning software。PyTorch 是使用 GPU 和 CPU 优化的深度学习张量库。下面，我们将一起来学习 PyTorch 中向量（Tensor）的相关操作。
安装与运行
PyTorch 的安装十分简单，需要用 pip 安装即可：
pip3 install torch
pip3 install torchvision
其中 torchvision 包含了一些 torch 内置的图片与视频数据集。用以下的 Python 代码可以输出安装的 PyTorch 版本信息：
import torch
print(torch.version.__version__)
在笔者的电脑上，输出的结果如下：
1.0.1.post2
向量的基本操作
导入模块
检测是否为 PyTorch 中的向量
is_tensor()函数可以检测某个序列是否为 PyTorch 中的向量，is_storage()可以检测某个序列是否被存储为 PyTorch 中的向量。
可以看到，Python 中的列表并不是 PyTorch 中的向量，也不会被存储为 PyTorch 中的向量。那么，如何创建 PyTorch 中的向量呢？
创建随机向量
利用 randn()函数可以创建随机向量，随机数为 0~1 的随机浮点数，可以指定创建的向量的维数。
可以看到，我们创建了 1 *2* 3 维的向量，用 size()函数可以查看向量的维数情况，用 numel()函数可以查看向量中的所有元素个数。
创建零向量
利用 zeros()函数可以创建零向量，即所有元素均为零的向量，只需指定向量的维数即可。
在上面，我们创建了 4 * 4 的零向量。
创建单位向量
利用 eye()函数可以创建单位向量，即主对角元素为 1，其余元素均为零的向量，只需指定向量的维数即可。当二维向量的行数与列数不一样时，主对角元素为 1，其余为 0。
从 numpy 中创建向量
PyTorch 支持直接从 numpy 中创建向量，这为 PyTorch 和 numpy 提供了无缝对接，这也是 PyTorch 的一个优势。
当然，PyTorch 也可以将向量转化为 numpy 中的 ndarrays.
Tensor 函数创建向量
可以利用 Tensor()直接创建向量。
linspace 与 logspace 创建向量
linspace(tart, end, steps=100, out=None)通过指定开始值、终值和元素个数创建表示等差数列的一维数组，可以通过 endpoint 参数指定是否包含终值，默认值为 True，即包含终值。logspace(tart, end, steps=100, out=None)返回一个 1 维张量，包含在区间 10exp(start)和 10exp(end)上以对数刻度均匀间隔的 steps 个点。
创建均匀分布向量
rand()函数可以创建指定维数的满足均匀分布的向量。
随机整数排列向量
randperm(n, out=None) , 给定参数 n，返回一个从 0 到 n -1 的随机整数排列。
等差数列向量
arange(start, end, step=1, out=None) , 返回一个 1 维张量，包含从 start 到 end，以 step 为步长的一组序列值(默认步长为 1)。
寻找最大值、最小组
argmin()和 argmax()函数可以寻找向量所在的最小值和最大值的下标，0 表示沿着行查找，1 表示沿着列查找。
向量拼接
cat()函数在给定维度上对输入的张量序列 seq 进行连接操作，默认的维度为 0，即按行拼接。
向量分块
chunk(tensor, chunks, dim=0)函数在给定维度 (轴) 上将输入张量进行分块，默认为 0，即按行进行分块。
gather()函数
gather(input, dim, index, out=None), 沿给定轴 dim，将输入索引张量 index 指定位置的值进行聚合。gather()函数理解起来比较困难，先看例子，再解释：
gather 的作用是这样的，index 是索引，具体是行还是列的索引要看前面 dim，比如对于我们的例子, [[11, 12], [23, 24]], 指定 dim=1，也就是横向，那么索引就是列号。index 的大小就是输出的大小，所以比如 index 是[[0,0], [1,0]]，那么看 index 第一行，0 列指的是 11，同理，第二行为 1, 0 , 这样就是[24, 23]，参考这样的解释看上面的输出结果，即可理解 gather 的含义。
索引
index_select(input, dim, index, out=None)，沿着指定维度对输入进行切片，取 index 中指定的相应项(index 为一个 LongTensor)，然后返回到一个新的张量，返回的张量与原始张量_Tensor_有相同的维度(在指定轴上)。
split()函数
split(tensor, split_size, dim=0), 将输入张量分割成相等形状的 chunks（如果可分）。如果沿指定维的张量形状大小不能被 split_size 整分，则最后一个分块会小于其它分块。
向量转置
二维向量的转置可以用 t()或 transpos(1, 0)实现。
unbind()
unbind(tensor, dim=0), 移除指定维后，返回一个元组，包含了沿着指定维切片后的各个切片，默认维度为 1，表示行，1 表示列。
判断是否为零元素
nonzero()函数可以判断向量中的元素是否为 0.
向量运算
以下将演示几种常见的矩阵运算。
矩阵的点乘与矩阵乘法
总结
本文的 github 地址为：https://github.com/percent4/P…。
注意：不妨了解下笔者的微信公众号：Python 爬虫与算法（微信号为：easy_web_scrape），欢迎大家关注~
