pytorch 张量基本操作

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)