数据操作

1.torch.tensor()

用户自己创建一个张量，且张量内的值都是确定值。如下：

x=torch.tensor([[[2,3],[4,5]],[[6,7],[8,9]]])
print(x)

 输出为：

tensor([[[2, 3],
         [4, 5]],

        [[6, 7],
         [8, 9]]])

2.torch.randn()

torch.randn(n1,n2,......,n3,n4)

构建一个张量，形状由括号内数字大小和数量决定，其中每个元素都从均值为0、标准差为1的标准高斯分布（正态分布）中随机采样。如下：

x=torch.randn(2,3)
y=torch.randn(2,2,2)
print(x)
print(y)

 输出为：

tensor([[ 0.6409,  0.5946,  0.3098],
        [ 1.0964,  0.9432, -0.1990]])
tensor([[[ 1.4089, -2.4086],
         [ 0.8739, -1.3335]],

        [[ 0.1143,  0.9053],
         [-0.2677,  1.2597]]])

3.print中换行

关于在一个完整的print语句中用  \n  换行，需要注意的是 \n 是被"  "或'  '包含在内的输出内容的一部分，不是具体的值，不能脱离" "或' '使用，    下面举个例子：

x = torch.tensor([1,2,3,4])
print('HELLO\n',x[0],'\n',x[1],'\n',x[2],'\n')

 注意在值的输出之间用逗号“ ， ”分开   ，输出结果如下：

HELLO
 tensor(1) 
 tensor(2) 
 tensor(3) 

 需要注意的是    r'  '    表示   '  '  内的字符串默认不转义，如下：

x = torch.tensor([1,2,3,4])
print('HELLO\n',x[0],r'\n',x[1],'\n',x[2],R'\n')


HELLO
 tensor(1) \n tensor(2) 
 tensor(3) \n

4.任意具有相同形状的张量之间的运算

标准算术运算符 + ，- ，* ，/ ，**         x**y  意义是  x的y次方    即求幂运算     如下：

x = torch.tensor([1.0, 2, 4, 8])
y = torch.tensor([2, 2, 2, 2])
print(x + y,'\n',x - y,'\n',x * y,'\n', x / y,'\n', x ** y)

输出为：

tensor([ 3.,  4.,  6., 10.]) 
 tensor([-1.,  0.,  2.,  6.]) 
 tensor([ 2.,  4.,  8., 16.]) 
 tensor([0.5000, 1.0000, 2.0000, 4.0000]) 
 tensor([ 1.,  4., 16., 64.])