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