Pytorch基础笔记——01 关于tensor的基本操作

关于Tensor

tensor是Pytorch框架中的核心部分，使用者设计的一系列操作流程如数据预处理，亦或者是模型计算等都可以看做是对tensor进行的一系列操作。

因此，熟练掌握对tensor的基本操作是搭建网络解决实际问题的基础。以下将介绍对tensor的基本操作，以便于初学者快速掌握。

---

tensor 的创建

pytorch提供4种不同的方式来创建tensor：

• torch.Tensor(inputs)
• 以该种方式创建的tensor占有单独的存储空间，数据类型为pytorch的默认数据类型torch.float32.
• torch.tensor(inputs)
• 以该种方式创建的tensor占有单独的存储空间，数据类型根据inputs而定.
• torch.as_tensor(inputs)
• 以该种方式创建的tensor与inputs共享存储空间，即当inputs的内容修改时，该tensor也会做相应的修改，数据类型根据inputs而定.
• torch.from_numpy(inputs)
• 以该种方式创建的tensor与inputs共享存储空间，即当inputs的内容修改时，该tensor也会做相应的修改，数据类型根据inputs而定,与as_tensor不同，from_numpy只能够接受numpy arr作为输入.
  因此推荐使用torch.tensor()或者torch.as_tensor()作为tensor的创建方式。

---

tensor的基本属性

查看tensor的形状

• tensor.shape
• tensor.size()

---

重塑tensor的形状

• tensor.reshape()
• tensor.view()

---

展平tensor

• tensor.flatten(start_dim=) 从start_dim开始之后的维度都会被展平

---

开辟或删除维度

• tensor.unsqueeze(dim=)从第dim维上开拓一个新的维度
• tensor.squeeze()将所有长度为1的维度删除

---

将两个不同形状的tensor广播成相同形状

• torch.broadcast_tensor(a,b)

---

求极值

• tensor.max(dim=) 求最大值
• tensor.min(dim=) 求最小值
• tensor.argmax(dim=) 求最大值对应元素的index
• tensor.argmin(dim=) 求最小值对应元素的index

---

reduction 操作

• tensor.mean(dim=) 求均值
• tensor.sum(dim=) 求和
• tensor.prod() 求乘积
• tensor.numel() 求元素总数

---

比较 操作

• torch.le(tensor, value) 小于等于
• torch.lt(tensor, value) 小于
• torch.ge(tensor, value) 大于等于
• torch.gt(tensor, value) 大于
• torch.eq(tensor, value) 等于
• torch.ne(tensor, value) 不等于

---

拼接操作

• torch.cat((tensor1, tensor2), dim=) 要求tensor1与tensor2的dim存在, 在第dim维上进行拼接
• torch.stack((tensor1,…,tensorn), dim=) dim为新拓展的维度,然后在第dim维上进行拼接. stack = unsqueeze + cat

---

tensor的其他属性

• tensor.dtype 查看tensor的数据类型
• tensor.device 查看tensor在哪个设备上
• tensor.layout

---

持续更新中。。。