Pytorch基本使用系列（二）基本数据的创建与索引

创建数据的几种方法

• 利用numpy创建数据来

torch.from_numpy(a) 将numpy的数据导入到pytorch 

常用的函数 np.ones([2,3])

• 从list里面直接导入

例如 torch.tensor([2,3.2]) 接受现成的数据 torch.Tensor(1,2) 接受数据的shape

• torch初始化

Torch.empty() Torch.FloatTensor(d1,d2,d3) 

      随机初始化：

      torch.rand(3,3) [0,1]随机的采样数据

      torch.rand_like() 参数为tensor 读取tensor的shape后，再生成数据

      torch.randint(start,end) 不包括end

      torch.randint_like()

      torch.randn(3,3) 随机采样正态分布 均值为0 方差为1

      torch.normal() 自定义的正态分布

      torch.full(shape,数值) 给该shape全部赋该数值

      torch.arange(start,end,step) 生成等差数列

      torch.linspace(start,end, 数量) 等分切割start和end之间为该数量的list

      同理 torch.logspace()

      torch.ones(shape), 全部为1

      torch.zeros(shape),全部为0

      torch.eye(二维张量 3，3) 生成对角的矩阵

pytorch切片数据：

    针对某一具体的tensor a