pytorch框架课--tensor的创建

ctrl+问号所在键为多行注释

一、张量是一个多维数组，它是标量、向量、矩阵的高维拓展。 

二、张量的创建

（1）直接创建

torch.tensor()直接从数据创建张量。

torch.form_numpy(ndarray)从numpy创建

（2）依据数值创建

torch.zeros()可创建全0张量。

torch.zeros_like()依input形状创建全零张量。与之对应有torch.ones()和torch.ones_like()

torch.full()，创建大小为size的张量并数值均为fill_value

torch.arange()创建等差的1维张量。数值区间为[start，end)

torch.linspace()创建均分的1维张量，数值区间为[start,end）

torch.logspace()创建对数均分的1维张量，和torch.linspace一样，多一个参数base为对数函数的底

torch.eye()创建单位对角矩阵（2维张量），注意其默认为张量。

（3）依概率分布创建张量

torch.normal()其有4种模式：mean和std分别为标量或张量的组合

torch.randn()和torch.randn_like()可生成标准正态分布

torch.randperm()生成从0到n-1的随机排列

torch.bernoulli()以input为概率，生成伯努利分布（0-1分布，两点分布）

# 1. 直接创建
torch.tensor(data,dtype=None,device=None,requires_grad=False,pin_memory=False)
torch.form_numpy(ndarray) #注意：其创建的tensor与原adarray共享内存，改变其中一个数据，另一个也改变。

#依据数值创建
torch.zeros(*size,out=None,dtype=None,layout=torch.strided,device=None,requires_grad=False)
torch.zero_like(input,dtype=None,layout=None,device=None,requires_grad=False)
torch.full(size,fill_value,out=None,layout=torch.strided,device=None,requires_grad=False)
torch.arange(start=0,end,step=q,out=None,dtype=None,layout=torch.strided,device=None,requires_grad=False)
torch.linspace(start,end,steps=100,dtype=None,layout=torch.strided,device=None,requires_grad=False)#其中step是数列长度而不是步长
torch.logspace(start,end,steps=100,base=10.0dtype=None,layout=torch.strided,device=None,requires_grad=False)
torch.eye(n,m=None,dtype=None,layout=torch.strided,device=None,requires_grad=False)#其中n为矩阵行数，m为矩阵列数。

#依据概率创建
torch.randn(*size,out=None,dtype=None,layout=torch.strided,device=None,requires_grad=False)
torch.normal(mean,std,out=None)
torch.normal(mean,std,size,out=None)
torch.randperm(n,out=None,dtype=torch.int64,layout=torch.strided,device=None,requires_grad=False) #n为张量长度
torch.bernoulli(input,*,generator=None,out=None) #input为概率值