PyTorch张量的概念以及创建方法

PyTorch张量

前言

张量是一个多维数组，它是标量，向量，矩阵的高维拓展。

一、Tensor与Variable

Variable是torch.autograd中的数据类型，主要用于封装Tensor，进行自动求导。

在pytorch0.4.0版本之后，Variable已经并入了Tensor，不再需要这个数据类型。但功能差不多。

torch.autograd.variable中有：
data:被封装的Tensor
grad:data的梯度
grad_fn:创建Tensor的function，是自动求导的关键
requires_grad:指示是否需要计算梯度
is_leaf:指示是否为叶子结点（张量）
共五个属性

0.4.0版本开始，Variable并入Tensor
torch.Tensor中有：
data:被封装的Tensor
grad:data的梯度
grad_fn:创建Tensor的function，是自动求导的关键
requires_grad:指示是否需要计算梯度
is_leaf:指示是否为叶子结点（张量）
新增属性：
dtype：Tensor的数据类型（32-bit float，64-bit int等）
shape：Tensor的形状，如（64,3,224,224）
device：Tensor所在设备，是cpu还是gpu
四个与数据相关，四个与梯度求导相关

二、创建张量的三种方法

1.直接创建

torch.tensor()
功能：从data创建tensor
data：数据，可以是list，numpy
dtype:数据类型，默认与data一致
device：所在设备，cuda/cpu
requires_grad:是否需要梯度
pin_memory:是否存于锁页内存，通常为false

代码如下（示例）：

torch.tensor(
             data,
             dtype=None,
             device=None,
             requires_grad=False,
             pin_memory=False)

arr=np.ones((3,3))
t=torch.tensor(arr,device='cuda')
print(t)
##########以下为结果
tensor([[1.,1.