PyTorch是一个开源的深度学习框架,提供了丰富的工具和功能来构建和训练神经网络。在PyTorch中,张量(Tensor)是最基本的数据结构之一,用于存储和操作多维数组。本文将详细介绍PyTorch中的张量以及常见的创建方法,并提供相应的源代码示例。
-
张量的概念
张量是PyTorch中的核心数据类型之一,类似于NumPy中的多维数组。它可以是一个标量(零阶张量)、一个向量(一阶张量)、一个矩阵(二阶张量),或者更高维度的数组(高阶张量)。张量可以存储在CPU或GPU上,并且支持自动求导等高级功能。 -
张量的创建
PyTorch提供了多种方法来创建张量。下面是一些常见的创建方法及其示例代码:
2.1. 直接创建
可以直接使用Python列表或NumPy数组创建张量。使用torch.tensor()
函数可以根据提供的数据创建一个新的张量。例如:
import torch
# 从Python列表创建张量
data_list = [1, 2,