4. PyTorch中的数据类型—张量

本文中所有代码的前提是调用PyTorch包

import torch

1. 张量的理解

标量：0维张量；向量：1维张量；矩阵：2维张量。扩展至高维数据，统称为张量。

2. PyTorch的张量创建

2.1 列表类型转变为张量类型

torch.tensor([1,2,3,4])

2.2 PyTorch包内置方法创建

torch.rand(l,m,n)  # [l,m,n]维的向量，内部元素在[0,1]区间分布
torch.randn(l,m,n) # [l,m,n]维的向量，内部元素在[0,1]区间服从标准正态分布
torch.zeros(l,m,n) # [l,m,n]维的向量，内部元素全是0
torch.ones(l,m,n)  # [l,m,n]维的向量，内部元素全是1
torch.eye(n)       # [n,n]维的单位矩阵

2.3 通过已有张量来创建新的张量

已知t为一个张量，那么

torch.zeros_like(t)   # 生成一个形状和t张量相同，但内部元素全是0的新张量
torch.ones_like(t)    # 生成一个形状和t张量相同，但内部元素全是1的新张量
torch.rand_like(t)    # 生成一个形状和t张量相同，但内部元素在[0,1]区间分布的新张量
torch.randn_like(t)   # 生成一个形状和t张量相同，但内部元素在[0,1]区间标准正态分布的新张量

3