目录

一、什么是PyThon？

二、张量的创建

2.1 指定数据创建

2.2 指定形状、指定数据创建

2.3 创建指定类型的张量

 2.4 创建线性张量

2.5 创建随机张量

2.6 创建全0张量

 2.7 创建全1张量

 2.8 创建指定张量

 2.9 总结

三、张量的类型转换

3.1 张量元素的类型转换

3.2 张量转换为numpy数组

3.3 numpy转换为张量

3.4 标量张量和数字转换

3.5 总结 

四、张量的数值计算

4.1 张量基本运算

4.2 点乘运算

4.3 矩阵乘法运算

4.4 总结

五、张量运算函数

六、张量索引操作

6.1 简单行、列索引

6.2 列表索引

6.3 范围索引

6.4 布尔索引

6.5 多维索引

七、张量形状操作

7.1 reshape()函数

7.2 squeez()降维、unsqueeze ()升维

7.3 transpose()和permute()函数指定维度

7.4  view()和contiguous()函数修改张量形状

7.5 总结

八、张量拼接操作

九、自动微分模块

十、案例（线性回归）

1 导入工具包

2 数据集构建

3 使用dataloader构建数据加载器并进行模型构建

4 设置损失函数和优化器

5 模型训练

6 构建训练模型函数

---

一、什么是PyThon？

PyThon：一个 Python 深度学习框架，它将数据封装成张量（Tensor）来进行处理。PyTorch 中的张量就是元素为同一种数据类 型的多维矩阵。在 PyTorch 中，张量以 "类" 的形式封装起来，对张量的一些运算、处理的方法被封装在类中

Pytorch的安装：pip install torch===1.10.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

conda 安装及操作：

二、张量的创建

2.1 指定数据创建

torch.tensor()：

2.2 指定形状、指定数据创建

torch.Tensor()：

2.3 创建指定类型的张量

torch.IntTensor()、torch.FloatTensor()、torch.DoubleTensor()

 2.4 创建线性张量

2.5 创建随机张量

 torch.random.initial_seed()、torch.random.manual_seed() 随机数种子设置，torch.randn() 创建随机张量

2.6 创建全0张量

 2.7 创建全1张量

 torch.ones()、torch.ones_like() 创建全1张量

 

 2.8 创建指定张量

 torch.full()、torch.full_like() 创建全为指定值张量

 2.9 总结

三、张量的类型转换

3.1 张量元素的类型转换

3.2 张量转换为numpy数组

3.3 numpy转换为张量

3.4 标量张量和数字转换

3.5 总结 

四、张量的数值计算

4.1 张量基本运算

4.2 点乘运算

 

4.3 矩阵乘法运算

4.4 总结

五、张量运算函数

六、张量索引操作

数据准备：

6.1 简单行、列索引

6.2 列表索引

6.3 范围索引

6.4 布尔索引

6.5 多维索引

 

七、张量形状操作

7.1 reshape()函数

7.2 squeez()降维、unsqueeze ()升维

7.3 transpose()和permute()函数指定维度

7.4  view()和contiguous()函数修改张量形状

7.5 总结

八、张量拼接操作

九、自动微分模块

十、案例（线性回归）