Sora模型已经诞生了，你还不会PyTorch吗？抓紧时间上车，驶入机器学习的快车道
收录于话题
公众号后台回复“111”
领取本篇代码、基因集或示例数据等文件
文件编号：240312
需要租赁服务器的小伙伴可以扫码添加小果，此外小果还提供生信分析，思路设计，文献复现等，有需要的小伙伴欢迎来撩~
import torch#导入机器学习框架import numpy as np#导入科学计算库t0=torch.tensor([1,2,3],dtype=torch.int8)#可选int16,int32,int64,float32,float16,float64print(t0)#输出：tensor([1, 2, 3], dtype=torch.int8)print(t0.size())#输出：torch.Size([3])
array1=np.arange(12).reshape(4,3)#arange生成连续整数的numpy.ndarray，reshape修改形状print(array1)'''输出：[[ 0 1 2][ 3 4 5][ 6 7 8][ 9 10 11]]'''t1=torch.tensor(array1,dtype=torch.float64)print(t1)'''输出：tensor([[ 0., 1., 2.],[ 3., 4., 5.],[ 6., 7., 8.],[ 9., 10., 11.]], dtype=torch.float64)'''print(t1.size())#输出：torch.Size([4, 3])
print(t1.transpose(1,0))#等价T'''输出：tensor([[ 0., 3., 6., 9.],[ 1., 4., 7., 10.],[ 2., 5., 8., 11.]], dtype=torch.float64)'''
print(torch.empty(2,2))#空数组，使用无用数据填充'''输出（不唯一）：tensor([[-7.6103e+30, 1.5204e-42],[ 0.0000e+00, 0.0000e+00]])'''print(torch.ones(2,3))#生成数据均为1的张量'''输出：tensor([[1., 1., 1.],[1., 1., 1.]])'''print(torch.zeros(2,1))#生成数据均为0的张量#输出：tensor([[0.],# [0.]])print(torch.rand(1,4))#随机值区间为[0,1)#输出（不唯一）：tensor([[0.3295, 0.8059, 0.1125, 0.3575]])print(torch.randn(1,4))#随机值的分布式均值为0，方差为1#输出（不唯一）：tensor([[-0.7469, 1.1632, 0.7925, 0.3307]])print(torch.randint(low=0,high=3,size=[3,2]))#整型数组'''输出（不唯一）：tensor([[2, 2],[0, 1],[0, 0]])'''
t2=torch.arange(24,dtype=torch.float)print(t2)#输出：tensor([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17,# 18, 19, 20, 21, 22, 23])t2=t2.reshape(2,3,4)#和resize(2,3,4)相同,但过时print(t2)'''输出：tensor([[[ 0, 1, 2, 3],[ 4, 5, 6, 7],[ 8, 9, 10, 11]],[[12, 13, 14, 15],[16, 17, 18, 19],[20, 21, 22, 23]]])'''
print(t2.view(-1))'''输出：tensor([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17,18, 19, 20, 21, 22, 23])'''print(t2.view(3,-1))'''输出：tensor([[ 0, 1, 2, 3, 4, 5, 6, 7],[ 8, 9, 10, 11, 12, 13, 14, 15],[16, 17, 18, 19, 20, 21, 22, 23]])'''print(t2.view(-1,2,4))'''输出：tensor([[[ 0, 1, 2, 3],[ 4, 5, 6, 7]],[[ 8, 9, 10, 11],[12, 13, 14, 15]],[[16, 17, 18, 19],[20, 21, 22, 23]]])'''
print(t2.transpose(0,1))#两个参数，第1维和第2维交换 2*3*4->3*2*4# '''输出：tensor([[[ 0., 1., 2., 3.],# [12., 13., 14., 15.]],## [[ 4., 5., 6., 7.],# [16., 17., 18., 19.]],## [[ 8., 9., 10., 11.],# [20., 21., 22., 23.]]])# '''print(t2.permute(2,0,1))#三个参数，维度交换 2*3*4->4*2*3'''输出：tensor([[[ 0., 4., 8.],[12., 16., 20.]],[[ 1., 5., 9.],[13., 17., 21.]],[[ 2., 6., 10.],[14., 18., 22.]],[[ 3., 7., 11.],[15., 19., 23.]]])'''
print(t2.min(),t2.max())#输出：tensor(0.) tensor(23.)print(t2.mean(),t2.std())#均值(只有数据不是整数型才能计算)、方差#输出：tensor(11.5000) tensor(7.0711)
小果还提供思路设计、定制生信分析、文献思路复现；有需要的小伙伴欢迎直接扫码咨询小果，竭诚为您的科研助力！
定制生信分析
服务器租赁
扫码咨询小果
往期回顾
|
01 |
|
02 |
|
03 |
|
04 |