在Jupyter笔记本中,cntrl+ m L切换当前单元格中的代码行号但是如何在JupyterLab中引入代码行号？
提到了在github中打开的类似问题
我怀疑使用与GPU支持的Torch和使用以下功能的Numpy进行元素逐次乘法，结果发现Numpy的循环速度比Torch快，但事实并非如此。
我想知道如何使用GPU使用Torch执行常规算术运算。
注意：我在Google Colab笔记本中运行了这些代码段
定义默认张量类型以启用全局GPU标志
torch.set_default_tensor_type(torch.cuda.FloatTensor if
torch.cuda.is_available() else
torch.FloatTensor)
初始化Torch变量
x = torch.Tensor(200, 100) # Is FloatTensor
y = torch.Tensor(200,100)
有问题的功能
def mul(d,f):
g = torch.mul(d,f).cuda() # I explicitly called cuda() which is not necessary
return g
当调用上面的函数为
%timeit mul(x,y)
返回值：
最慢的运行比最快的运行时间长10.22倍。这可能意味着正在缓存中间结果。10000次循环，最好为3次：每个循环50.1 µs
现在试用numpy，
使用了与割炬变量相同的值
x_ = x.data.cpu().numpy()
y_ = y.data.cpu().numpy()
def mul_(d,f):
g = d*f
return g
%timeit mul_(x_,y_)
退货
最慢的运行时间比最快的运行时间长了12.10倍。这可能意味着正在缓存中间结果。100000次循环，每循环3：7.73 µs最佳
需要一些帮助来了解启用GPU的Torch操作。
使用下面的函数可以更方便地创建随机整数数组.
def generate_random_strings(x, i, j):
return np.random.randint(0, 2, size=[x, i, j]).astype(np.float32)
print (generate_random_strings(3, 5, 4))
[[[0. 0. 0. 0.]
[0. 1. 1. 0.]
[0. 1. 1. 0.]
[0. 0. 0. 1.]
[0. 1. 0. 1.]]
[[0. 1. 0. 0.]
[1. 0. 1. 1.]
[0. 1. 1. 0.]
[1. 0. 1. 0.]
[0. 0. 0. 0.]]
[[0. 0. 1. 0.]
[1. 0. 1. 1.]
[0. 0. 0. 1.]
[0. 1. 0. 0.]
[1. 1. 0. 0.]]]
我尝试为字母(az)而不是整数构建类似的函数,但我找不到numpy或任何其他可用库的任何内置函数.
所以我用3 - for循环如下,
# …我有一个带有张量键和张量值的字典。我想通过键访问值。
from torch import tensor
x = {tensor(0): [tensor(1)], tensor(1): [tensor(0)]}
for i in x.keys():
print(i, x[i])
返回：
tensor(0) [tensor(1)]
tensor(1) [tensor(0)]
但是当我尝试访问值而不遍历键时，
try:
print(x[tensor(0)])
except:
print(Exception)
print(x[0])
抛出异常：
KeyError Traceback (most recent call last)
<ipython-input-34-746d28dcd450> in <module>()
6 try:
----> 7 print(x[tensor(0)])
8
KeyError: tensor(0)
During handling of the above exception, another exception occurred:
KeyError Traceback (most recent call last)
<ipython-input-34-746d28dcd450> in <module>()
9 except:
10 print(Exception)
---> 11 print(x[0])
12 continue
KeyError: 0