PyTorch 数据类型和使用

关于PyTorch的数据类型和使用的学习笔记  系统介绍了PyTorch的核心数据类型Tensor及其应用。Tensor作为多维矩阵数据容器，支持0-4维数据结构（标量到批量图像），并提供了多种数值类型（float32/int64等）。通过积木类比阐述了Tensor的维度概念，展示了创建、变形、随机生成等基础操作。重点演示了FashionMNIST数据集分类任务实战：构建包含两个全连接层的神经网络(QYNN)，使用交叉熵损失和SGD优化器进行训练。

1 介绍

  PyTorch 是Torch的Python版本 是开源的神经网络框架 针对于GPU加速的深度神经网络编程

  Torch是一个经典的多维矩阵数据进行操作的张量（Tensor）库 在机器学习和其他数学密集型应用广泛应用 PyTorch的计算图是动态的 可以按照计算需求实时改变计算图

  PyTorch追求最少的封装 设计遵循Tensor->Variable->nn.Module 三个由低到高的抽象层次 分别代表高维数组（张量） 自动求导（变量） 神经网络（层/模块）三个抽象间联系紧密

---

2 基础数据类型

 2.1 图文说明

PyTorch处理的最基本的操作对象就是张量（Tensor）表示的就是一个多维矩阵 接下来将进行一个通俗的说明

   我们类比一下积木 ，Tensor就是构建一切模型和计算的最基本积木块。而PyThorch就是一个装数字的​​盒子​​，并且这个盒子可以有很多​​维度​​（几层架子）。

维度 类比描述 例子 具体场景说明 0维张量（标量） 一粒积木 5, 3.14 单个数值（如温度、概率值） 1维张量（向量） 一行/一列整齐摆放的积木 [1, 2, 3, 4] 物体位置坐标、心电图波形数据 2维张量（矩阵） 行列组成的积木板 [[1,2,3],
[4,5,6]] 灰度图像（28x28像素）、
Excel表格数据 3维张量 一摞多个积木板 尺寸示例：[3,224,224] 彩色图像（通道×高×宽）
MRI切片扫描数据 4维张量 多个3维张量
打包的箱子 尺寸示例：[32,3,224,224] 批量处理32张
224x224像素的RGB图像

 

 

而每一个数字也自己本身的数据类型：浮点型 和 整型

​​数据类型​​ ​​位宽/精度​​ ​​通俗解释​​ ​​典型应用场景​​ ​​PyTorch创建方法​​ ​​内存占用​​ ​​torch.float32​​
(torch.float) 32位
单精度浮点 带小数点的数
(如3.14159) 深度学习模型参数
激活函数计算 .float()
dtype=torch.float32 4字节/元素 ​​torch.float64​​
(torch.double) 64位
双精度浮点 高精度浮点数
(更多小数位) 科学计算
精密数值分析 .double()
dtype=torch.float64 8字节/元素 ​​torch.int32​​
(torch.int) 32位整数 普通整数
(如-1, 0, 42) 一般计数
简单索引 .int()
dtype=torch.int32 4字节/元素 ​​torch.int64​​
(torch.long) 64位整数 大范围整数
(更大或更精确) ​​标签数据​​
复杂索引
位置信息 .long()
dtype=torch.int64 8字节/元素 ​​torch.uint8​​ 8位无符号整数 0-255整数
(无负数) ​​图像像素值​​
(0=黑, 255=白) .byte()
dtype=torch.uint8 1字节/元素 ​​torch.bool​​ 布尔值 True/False
(是/否) 条件判断
数据掩码
(如x>5) .bool()
dtype=torch.bool 1字节/元素 ​​torch.complex64​​ 64位复数 复数表示
(实部+虚部浮点) 信号处理
量子计算 dtype=torch.complex64 8字节/元素 ​​torch.complex128​​ 128位复数 高精度复数 高级物理计算
电磁场模拟 dtype=torch.complex128 16字节/元素

        ​​之所以说 Tensor 是核心数据类型。是因为 PyTorch 几乎所有操作（神经网络运算、求梯度）都建立在处理 Tensor 之上。你需要把你的数据（数字、图像、文本数值化表示等）最终都放进这些不同形状（维度）的 Tensor 盒子里，PyTorch 才能处理和计算。​ 所有东西最终都变成 Tensor 的某种形式。维度 (shape) 决定了数据的基本结构（标量、向量、矩阵、图片、批量）。而 ​dtype 去指定格子的内容类型

2.2 代码实现

     然后 PyTorch实际的数据类型我们再使用代码实操一下

 2.2.1 基础张量创建​

# 张量的定义方式和Numpy一样 传入矩阵即可生成张量import torcha = torch.Tensor([[1,2],[3,4]])print(a) # 

a = torch.eye(2) # 创建2x2单位矩阵print(a)  # 输出: tensor([[1., 0.], [0., 1.]])

​2.2.2 特殊张量初始化​

 = torch.zeros(3, 3) # 3x3全0张量c = torch.ones(3, 3) # 3x3全1张量d = torch.arange(1, 10, 2) # [1,10)区间步长为2: [1,3,5,7,9]e = torch.linspace(1, 10, 10) # 1-10的10个等差值f = torch.logspace(1, 10, 10) # 10^1到10^10的10个对数间隔值g = torch.logspace(1, 2, 10) # 10^1到10^2的10个值

2.2.3 随机张量生成​

a1 = torch.rand(3, 3) # [0,1)均匀分布 a2 = torch.randn(3, 3) # 标准正态分布(μ=0, σ=1) a3 = torch.randint(1, 10, (5, 5)) # [1,10)区间的随机整数

2.2.4 ​NumPy互操作​

import numpy as npa4 = np.array([1, 2]) # 创建NumPy数组a5 = torch.from_numpy(a4) # NumPy转PyTorch张量# 类型转换:  -> 

 2.2.5 张量形状操作​

a = torch.Tensor(2, 3, 128, 128)print(a.shape)  # torch.Size([2, 3, 128, 128])print(a[0].shape) # torch.Size([3, 128, 128])print(a[0][0].shape) # torch.Size([128, 128])# 高级切片print(a[:1, :1, :64, :64].shape) # torch.Size([1, 1, 64, 64])print(a[:1, :1, :64:2, :64:2].shape) # torch.Size([1, 1, 32, 32])

2.2.6 维度变换​

# 重塑形状B = a.reshape(2, 3, -1) # 展平后两维: (2,3,16384)C = a.reshape(4, -1) # (4, 24576)# 增删维度a = a.unsqueeze(2) # 添加维度: (2,3,1,128,128)a = a.squeeze(1) # 删除大小为1的维度# 维度交换a = a.transpose(0, 1) # 交换维度0和1: (3,2,128,128)a = a.permute(1, 0, 3, 2) # 维度重排: (3,2,128,128)

 2.2.7 维度扩展​ 

a = torch.randn(2, 1, 128, 128)a = a.expand(2, 3, 128, 64) # 复制数据扩展维度# 要求: 扩展维度必须为1或与原尺寸一致

2.2.8 函数总结

​​操作类型​​ ​​函数/语法​​ ​​关键特性​​ 基础创建 eye(), zeros(), ones() 初始化特殊矩阵 序列生成 arange(), linspace() 控制步长/数量 随机生成 rand(), randn(), randint() 均匀/正态/整数分布 维度操作 reshape(), view() 数据不复制改变形状 维度增删 unsqueeze(), squeeze() 添加/移除大小为1的维度 维度交换 transpose(), permute() 调整维度顺序 数据扩展 expand() 复制数据扩展张量（仅支持1->N的扩展） NumPy互操作 from_numpy() 零拷贝数据共享

---

3 实战使用

使用FashionMNIST数据集（FashionMNIST 是一个经典的计算机视觉基准数据集，由德国电商巨头 Zalando 的研究团队于 2017 年创建，旨在替代过于简单的 MNIST 手写数字数据集。它包含 70,000 张 28x28 像素的时尚单品灰度图像，涵盖 10 个类别。）完成一个基本的图形分类任务

        我们将从环境配置 模型训练与评估 模型使用三个阶段讲起

3.1 环境配置

模型训练

import torchimport torch.nn as nn import torch.optim as optim # 导入优化器from torchvision import datasets, transforms # 导入数据集和数据预处理库from torch.utils.data import DataLoader # 数据加载库

模型使用

import os # 用于操作文件import torchimport matplotlib.pyplot as pltfrom torchvision import datasets,transforms # 用于数据集和数据变换from PIL import Image # 用于图形操作from torchvision.datasets import FashionMNIST # 用于加载FashionMNIST数据集from train import QYNN, transform

一定要添加一个本地的解释器配置环境 以免冲突 

3.2 模型训练与评估

  train.py

import torchimport torch.nn as nn import torch.optim as optim # 导入优化器from torchvision import datasets, transforms # 导入数据集和数据预处理库from torch.utils.data import DataLoader # 数据加载库# 设置随机种子torch.manual_seed(21)# 定义数据预处理transform = transforms.Compose([ transforms.Resize((28,28)), transforms.Grayscale(), #强制灰度图像（1通道） transforms.ToTensor(), # 将图像转换为张量 transforms.Normalize((0.5,), (0.5,)) # 标准化图像数据 灰度图，只需要一个0.5])# 加载FashionMNIST数据集train_dataset = datasets.FashionMNIST(root=\'./FashionMNIST_images/train\', train=True, download=True, transform=transform) # 下载训练集test_dataset = datasets.FashionMNIST(root=\'./FashionMNIST_images/test\', train=False, download=True, transform=transform) # 下载测试集# 创建数据加载器train_loader = DataLoader(train_dataset, batch_size=64, shuffle=True) # 对训练集进行打包，指定批次为64test_loader = DataLoader(test_dataset, batch_size=64, shuffle=False) # 对测试集进行打包# 打印数据集大小和样本检查print(f\"训练集大小: {len(train_dataset)}\")print(f\"测试集大小: {len(test_dataset)}\")# 定义神经网络模型class QYNN(nn.Module): def __init__(self): super().__init__() self.fc1 = nn.Linear(28*28, 128) # 第一个全连接层 先转换为一维向量 self.fc2 = nn.Linear(128, 10) # 第二个全连接层 输出10个类别 def forward(self, x): x = torch.flatten(x, start_dim=1) # 展平数据，方便进行全连接 x = torch.relu(self.fc1(x)) # 非线性 x = self.fc2(x) # 十分类 输出层 return x # 检查是否有 GPUdevice = torch.device(\"cuda:0\" if torch.cuda.is_available() else \"cpu\")# 初始化模型model = QYNN().to(device) # 将模型移植到 GPU 或 CPU 上# 定义损失函数和优化器criterion = nn.CrossEntropyLoss() # 交叉熵optimizer = optim.SGD(model.parameters(), lr=0.01) # lr 学习率 用来调整模型收敛速度# 训练模型epochs = 10best_acc = 0 # 初始化最佳准确率best_model_wts = None # 用于保存最佳权重for epoch in range(epochs): # 0-9 running_loss = 0.0 model.train() # 设置模型为训练模式 for inputs, labels in train_loader: # 移动数据到GPU 或 CPU inputs, labels = inputs.to(device), labels.to(device) optimizer.zero_grad() # 梯度清零 outputs = model(inputs) # 将图片塞进网络训练获得 输出 前向传播 loss = criterion(outputs, labels) # 根据输出和标签做对比计算损失 loss.backward() # 反向传播 optimizer.step() # 更新参数 running_loss += loss.item() # loss值累加 print(f\"Epoch {epoch+1}/{epochs}, Loss: {running_loss/len(train_loader)}\")# 测试模型model.eval() # 设置模型为评估模式correct = 0 # 正确的数量total = 0 # 样本总数with torch.no_grad(): # 不用进行梯度计算 for inputs, labels in test_loader: outputs = model(inputs) _, predicted = torch.max(outputs, 1) # _取到的最大值，可以不要， 我们需要的是最大值对应的索引 也就是label（predicted） total += labels.size(0) # 获取当前批次样本数量 correct += (predicted == labels).sum().item() # 对预测对的值进行累加accuracy = 100 * correct / total # 计算准确率print(f\"Epoch{epoch+1}/{epochs},Accuracy on test set: {correct/total:.2%}\")# 如果当前模型的准确率比之前的最佳准率好 则保存模型权重if accuracy > best_acc: best_acc = accuracybest_model_wts = model.state_dict() # 保存最佳模型的权重torch.save(model.state_dict(), \"./FashionMNIST_images/model.pt\")print(\"Best model weights saved !\")

3.3 模型使用 

test.py

import os # 用于操作文件import torchimport matplotlib.pyplot as pltfrom torchvision import datasets,transforms # 用于数据集和数据变换from PIL import Image # 用于图形操作from torchvision.datasets import FashionMNIST # 用于加载FashionMNIST数据集from train import QYNN, transform# 定义数据集保存路径data_dir = \'./FashionMNIST_images\' # 数据集的根目录train_dir = os.path.join(data_dir, \'train\') # 训练集保存路经)test_dir = os.path.join(data_dir, \'test\') # 测试集保存路径# 定义分类标签 FashionMNIST共有10个类别class_names = [ \'T-shirt/top\', # 0: T恤/上衣 \'Trouser\', # 1: 裤子 \'Pullover\', # 2: 套头衫 \'Dress\', # 3: 连衣裙 \'Coat\', # 4: 外套 \'Sandal\', # 5: 凉鞋 \'Shirt\', # 6: 衬衫 \'Sneaker\', # 7: 运动鞋 \'Bag\',  # 8: 包 \'Ankle boot\' # 9: 短靴]model = QYNN()model.load_state_dict(torch.load(\"./FashionMNIST_images/model.pt\"))model.eval()# 定义推理和可视化函数def infer_and_visualize_image(image_path,model,classses): # 打开图形并进行预处理 img = Image.open(image_path).convert(\'L\') # 确保灰度图片 img = transform(img).unsqueueeze(0) # 增加一个批次维度 # 推理 with torch.no_grad(): output = model(img) _, predicted = torch.max(output, 1) # 可视化图形和预测结果 plt.imshow(img.squeeze(), cmap=\'gray\') plt.title(f\"Predicted {classses[predicted[0]]}\") plt.axis(\'off\') plt.show() # 输入图形路径 image_path = r\"\" infer_and_visualize_image(image_path, model, class_names)

 训练效果展示

---