pyTorch基本数据类型

pyTorch基本数据类型

没有目的，就做不成任何事情；目的渺小，就做不成任何大事——狄德罗

首先比较一下python和pytorch的数据类型区别

pyhon的特点

整型Int
浮点型float
整型数组Int array
浮点型数组Float array
字符串string

pytorch的特点

IntTensor of size()
FloatTensor of size()
IntTensor of size[d1,d2…]
FloatTensor of size[d1,d2…]

怎么做pytorch类型的推断？如：

a=torch.randn(2,3)

利用随机的正态分布来初始化，即X服从均值为0，方差为1的正态分布；表示初始化一个2行3列的一个Tensor（张量)

a.type

得到‘torch.FloatTensor’；而如果使用一下打印：

type(a)

出来的结果是torch.Tensor，并不会出来什么类型；我们如果想检验一下Tensor是什么类型，可以如下：

isinstance(a,torch.FloatTensor)
True

得到的结果为True，说明a这个Tensor是FloatTensor类型的。

维度为0的标量

比如在python里边的标量，例如1.2 3.4,这种标量在pytorch里边怎么表示呢？

torch.tensor(1.)
tensor(1.)

使用torch.tensor方法，生成的是维度为0的一个张量，而[1.3]是维度为1的Tensor。那么怎么才能检查一个张量的维度？

a.shape
torch.Size([])
len(a.shape)

得到的结果为0，也就是说明a是一个维度为0的Tensor；

维度为1的向量

torch.tensor([1.1,2.2])
tensor([1.1000,2.200])
或者
torch.FlaotTensor(2)
tensor([3.224,2.353])

在这里，既给定了维度，也给定了相应的数据类型;下面的给定方式表明了随机化生成一个维度为1，长度为2的一个向量；

维度为2的Tensor

a=torch.randn(1,3)

a.shape
torch.Size([2,3])

a.size(0)
2

随机初始化一个2行3列的Tensor；如果给size(0)表示取矩阵形式的第0个元素，也就是2；同理，若取size(1),则输出结果为3

维度为3的Tensor

a=torch.rand(1，2，3）

a.shape
torch.Size([1,2,3])

注：关于shape和size的具体区别，查了一些资料，理解如下：

首先相同点：shape和size都能得到相同的结果

不同：shape是作为Tensor的属性，而size（）是作为Tensor的方法

注：所说的维度是什么？比如说2行2列，3行3列，则说维度分别为2和3；