深度学习中的PyTorch Tensor详解

什么是张量？

张量可以看作是一个通用的多维数组，类似于 NumPy 中的 ndarray。张量是标量、向量和矩阵的更高维度的推广。张量的维度决定了它的“秩”（rank）。例如：

• 标量是 0 阶张量（如一个数字 3.14）。
• 向量是 1 阶张量（如 [1, 2, 3]）。
• 矩阵是 2 阶张量（如 3x3 矩阵）。
• 三维张量可以用于图像数据，通常包含高度、宽度和颜色通道三个维度。

PyTorch 中的 Tensor 创建

在 PyTorch 中，可以通过多种方式创建张量。以下是一些常见的创建方法：

1. 通过数据直接创建

import torch

# 创建一个1维张量
tensor_1d = torch.tensor([1.0, 2.0, 3.0])
print(tensor_1d)

2. 创建全零或全一张

# 创建一个全零的张量
zeros_tensor = torch.zeros(3, 3)
print(zeros_tensor)

# 创建一个全一的张量
ones_tensor = torch.ones(2, 2)
print(ones_tensor)

3. 随机初始化的张量

# 创建一个3x3的随机张量
random_tensor = torch.rand(3, 3)
print(random_tensor)

 张量的属性

每个张量都有一些属性来描述它的维度、数据类型等。

1. 形状࿰