pytorch数据类型

import torch

'''
pytorch是GPU计算加速库，能够支持将数据部署在GPU上进行计算加速的库
pytorch也是python的第三方库，它的特殊之处在于它支持CUDA GPU
而对于opencv-python或者numpy这种第三方库则并不支持GPU/CUDA上面的数据运算
'''

a=torch.randn(2,3)

print(a.type())#torch.FloatTensor
print(type(a))#<class 'torch.Tensor'>
'''
torch.Tensor.type()方法是pytorch中tensor的方法，
而type(a)则是python方法，为了返回丰富的信息，
通常需要调用tensor.type()
'''
'''
pytorch上面的数据类型只有torch.Tensor
在pytorch中，即使是你想要初始化一个标量/数值
它的类型也是一个torch.Tensor
'''
print(a.dtype)#torch.float32
print(a.device)#cpu   pytorch中的tensor可以放置在CPU上或者部署到GPU上
print(isinstance(a,torch.FloatTensor))#True
'''
isinstance 是进行参数的合法化检验的
'''
# print(isinstance(a,torch.cuda.FloatTensor))
# a=a.cuda()
# print(isinstance(a,torch.cuda.FloatTensor))

'''
pytorch中的标量:dimension=0 的torch.tensor   应用：loss函数，对于两个torch.tensor类型
prediciton 和 target之间计算损失函数
输出的损失函数值为torch.tensor dimension=0标量值
故而 在train.py中会有这一行代码
loss=loss.item()
取出tensor中的数值
'''
a=torch.tensor(1.2)
print(a.shape)
print(len(a.shape))
print(a.size())
'''
tensor.shape   shape是成员属性
tensor.size()  size()是成员方法
'''

'''
pytorch中dimension=1的向量  应用  
（1）bias 当前神经元的偏置
bias是dimension=1 的tensor
（2）linear input
比如对于linear regression问题，输入向量是one-dimension

torch.tensor初始化张量则需要指定tensor中的具体数值
torch.Tensor初始化张量则需要指定tensor的维度(张量中的具体数值是随机初始化的)
'''
a=torch.tensor(1.325)
b=torch.Tensor(1)
c=torch.FloatTensor(2)

import numpy as np
data=np.ones(2)
d=torch.from_numpy(data)
#numpy.ndarray转换成torch.tensor

e=torch.randn(2,3)
data2=e.numpy()
#torch.tensor转换成numpy

print('a',a)
print('b',b)
print('c',c)
print('d',d)
print('data2',data2,type(data2))
'''
a tensor(1.3250)
b tensor([5.6052e-45])
c tensor([9.1365e-09, 4.5909e-41])
d tensor([1., 1.], dtype=torch.float64)
data2 [[-1.6662962  -0.4791848  -0.43611825]
 [-0.99609876  0.20896369 -0.7278052 ]] <class 'numpy.ndarray'>
'''