张量初始化 构造一个未初始化的张量torch.empty(5,3)构造一个随机初始化的张量 torch.rand(5,3)构造一个指定数据类型的全0张量torch.zeros(5,2,dtype=torch.long)通过以读取的数据构建张量 torch.tensor([5,5,5,5,5])借助已有张量的size构造新的张量 y=torch.randn_like(x,dtype=torch.float)生成一个相同size的随机张量 张量属性 张量的size: x.size() 张量计算 加法 z=torch.add(x,y)或者torch.add(x,y,out=z)或者y.add_(x)张量取行或列 第一列x[:, 1] 第一行x[1,:]重构张量的size x = torch.randn(4, 4) y = x.view(16) z = x.view(-1, 8) # the size -1 is inferred from other dimensions 行=数据量/列 print(x.size(), y.size(), z.size()) 输出: torch.Size([4, 4]) torch.Size([16]) torch.Size([2, 8]) 张量格式的转换 张量与numpy格式的转换 tensor.numpy()和torch.from_numpy(numpy)