【Pytorch实战(一)】张量

一、初步认识

在Pytorch中张量是一种基本的数据类型，用类torch.Tensor实现

import torch
T = torch.tensor([[1, 2, 3], [4, 5, 6]])  # 注意函数名tensor是小写的

查看张量的几个性质

• 张量的维度 T.dim()
• 张量的大小 T.size()
• 张量中的元素个数 T.numel
• （可指定）张量中元素的类型 T.dtype 例如torch.float32,torch.int64等

二、不同的torch.Tensor类实例

函数	元素内容
torch.tensor()	传入的数据
torch.zeros()、torch.zeros_like()	全为0
torch.ones() 、torch.ones_like()	全为1
torch.full() 、torch.full_like()	全为指定值
torch.empty()、torch.empty_like()	未指定值
torch.eye()	对角线元素为1，其余为0
torch.arange() 、torch.range()、torch.linspace()	等差
torch.logspace()	等比
torch.rand() 、torch.rand_like()	服从标准均匀分布
torch.randn() 、torch.randn_like()、torch.normal()	服从标准正态分布
torch.randint() 、torch.randint_like()	服从离散均匀分布
torch.bernoulli()	{0，1}两点分布
torch.moltinomial()	{0，1，……n-1}多点分布
torch.randperm()	{0，1，……n-1}随机排列

三、重新组织张量元素

1.重新排列张量元素

方法	作用
reshape()	元素个数相同，改变维度和大小
squeeze()	消除张量大小中大小为1的维度
unsqueeze()	与squeeze相反，可以增加一些大小为1的维度
permute()	将张量各维度重新排列
transpose()	转置

2.张量的扩展和拼接

• 扩展 repeat()
• 拼接 torch.cat()或torch.stack()，二者有所区别

四、张量运算

函数	作用
torch.pow()	幂函数
torch.exp()、torch.expm1()、torch.sigmoid()、torch.sinh等	指数函数相关
torch.log()	对数函数
torch.abs()	绝对值函数
torch.sign()	符号函数
torch.floor()	向下取整
torch.ceil()	向上取整
torch.around()	四舍五入取整
torch.clamp()	限制数据范围

五、其它常用方法

方法	作用
max() / min()	返回最大/小值
argmax() / argmin()	返回最大/小值索引
cumsum()	累加
cumprod()	累乘

※ 码 字 不 易 ，欢 迎 交 流 ！