PyTorch 数据矩阵操作：实现 NumPy 相同功能 - 深度学习框架

PyTorch 数据矩阵操作：实现与 NumPy 相同的功能

本教程将演示如何在 PyTorch 中实现与 NumPy 相同的数据矩阵操作，包括数学函数、随机数组生成和矩阵形状修改。

1. 实现数学操作函数

首先，我们将实现一些基本的数学操作函数，例如平方、加法和绝对值，以及一个随机数组生成函数。

import torch
import numpy as np

# 数学操作函数
def square(x):
    return torch.pow(x, 2)

# 加法操作函数
def add(x, y):
    return torch.add(x, y)

# 绝对值操作函数
def abs(x):
    return torch.abs(x)

# 随机生成数组函数
def random_array(shape):
    return torch.randn(shape)

# 测试
x = torch.tensor([1, 2, 3])
y = torch.tensor([4, 5, 6])
print(square(x))
print(add(x, y))
print(abs(torch.tensor([-1, 2, -3])))
print(random_array((2, 3)))

输出：

tensor([1, 4, 9])
tensor([5, 7, 9])
tensor([1, 2, 3])
tensor([[-0.4763, -0.1333, -0.6454],
        [ 0.5204,  0.3365, -0.8535]])

2. 利用 PyTorch 修改矩阵形状

接下来，我们将学习如何使用 PyTorch 修改矩阵的形状，而不会影响数据数量。

import torch

# 改变矩阵形状
def reshape(x, shape):
    return torch.reshape(x, shape)

# 测试
x = torch.tensor([[1, 2, 3], [4, 5, 6]])
print(reshape(x, (3, 2)))
print(x)

输出：

tensor([[1, 2],
        [3, 4],
        [5, 6]])
tensor([[1, 2, 3],
        [4, 5, 6]])

可以看到，改变形状后的矩阵是新的，原来的矩阵并没有被修改。