python中pytorch

PyTorch是一个基于Python的科学计算库，它有以下特点：
- 类似于NumPy，但是可以使用GPU
- 动态计算图
- 深度学习框架，支持自动求导
- 支持动态计算图，可以根据需要改变计算图
- 支持CUDA加速，可以在GPU上运行

以下是一些PyTorch的基本用法：
1. 张量的创建和操作

import torch

# 创建一个标量
scalar = torch.tensor(3.1415)
print(scalar)

# 创建一个向量
vector = torch.tensor([1, 2, 3])
print(vector)

# 创建一个矩阵
matrix = torch.tensor([[1, 2], [3, 4]])
print(matrix)

# 张量的加法
a = torch.tensor([1, 2, 3])
b = torch.tensor([4, 5, 6])
c = a + b
print(c)

2. 自动求导

import torch

# 创建一个需要求导的张量
x = torch.tensor(2.0, requires_grad=True)

# 定义一个函数
y = x ** 2 + 2 * x + 1

# 对x求导
y.backward()

# 输出导数
print(x.grad)

3. 神经网络的构建

import torch
import torch.nn as nn

# 定义一个简单的神经网络
class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.fc1 = nn.Linear(10, 5)
        self.fc2 = nn.Linear(5, 2)

    def forward(self, x):
        x = self.fc1(x)
        x = torch.relu(x)
        x = self.fc2(x)
        return x

# 使用神经网络进行预测
net = Net()
input = torch.randn(10)
output = net(input)
print(output)