pytorch基本使用_02

import numpy as np
import torch
# 从numpy引入tensor
a = np.array([2, 3.3])
print(torch.from_numpy(a))
# tensor([2.0000, 3.3000], dtype=torch.float64)
torch.tensor([1, 2.3])
# tensor([1.0000, 2.3000])
# 使用现成的数据
torch.FloatTensor(2, 3)
# tensor([[1.4863e+19, 8.6562e+05, 6.6592e-33],
#        [8.4358e+08, 3.6124e+12, 5.4336e+07]])
torch.FloatTensor([2, 3])
# tensor([2., 3.])
torch.empty(2, 3)
# tensor([[1.4863e+19, 8.6562e+05, 6.6592e-33],
#        [8.4358e+08, 3.6124e+12, 5.4336e+07]])
torch.set_default_tensor_type(torch.DoubleTensor)
torch.tensor([1.,2]).type()
# 'torch.DoubleTensor'
# 随机初始化
a = torch.rand()
# 随机的使用0，1的均值分布来初始化
# tensor([[0.0776, 0.5490, 0.4344],
#         [0.3688, 0.4616, 0.1550],
#         [0.0167, 0.1252, 0.9761]])
a = torch.rand(3,3)
torch.rand_like(a)
# 生成一个与a类似的
# tensor([[0.7129, 0.6485, 0.4618],
#         [0.9759, 0.8213, 0.9954],
#         [0.9184, 0.8333, 0.8884]])
torch.randint(1, 10, [3, 3])
# 1 表示最小值 10表示最大值（达不到），[3,3]表示3x3的矩阵
# tensor([[7, 6, 7],
#         [8, 8, 2],
#         [9, 4, 2]])
torch.randn(3,3)
# 0-1的正态分布中选取生成3x3的矩阵
# tensor([[-1.5328, -1.1117,  0.3731],
#         [-0.0270,  0.4558, -0.2383],
#         [-0.0264, -1.1660,  0.4162]])
torch.normal(mean=torch.full([10], 0.), std=torch.arange(1,0.,-1))
# torch.normal(means, std, out=None)
# 返回一个张量，包含从给定参数means,std的离散正态分布中抽取随机数。
# 均值means是一个张量，包含每个输出元素相关的正态分布的均值。
# std是一个张量，包含每个输出元素相关的正态分布的标准差。 均值和标准差的形状不须匹配，但每个张量的元素个数须相同。
# 参数:
# means (Tensor) – 均值
# std (Tensor) – 标准差
# out (Tensor) – 可选的输出张量
# tensor([ 0.1384, -0.3686, -2.4902, -0.2467, -0.2872,  1.4797, -0.0390, -0.9545,
#          0.1035, -0.3223])
torch.full([2, 3],7)
# 设置一个2x3全部为7的矩阵
# tensor([[7, 7, 7],
#         [7, 7, 7]])
torch.arange(0,10)
# 从0开始生成不到10的顺序数值
# tensor([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
torch.linspace(0,10,steps = 4)
# 从0开始到10的steps个平均分割
# tensor([ 0.0000,  3.3333,  6.6667, 10.0000])
torch.logspace(0,-1,steps=10)
# 生成10**0 到10**-1 的十个数值
# tensor([1.0000, 0.7743, 0.5995, 0.4642, 0.3594, 0.2783, 0.2154, 0.1668, 0.1292,
#         0.1000])
torch.ones(3,3)
# tensor([[1., 1., 1.],
#         [1., 1., 1.],
#         [1., 1., 1.]])
torch.zeros(3,3)
# tensor([[0., 0., 0.],
#         [0., 0., 0.],
#         [0., 0., 0.]])
torch.eye(3,4)
# 仅能在矩阵中使用
# tensor([[1., 0., 0., 0.],
#         [0., 1., 0., 0.],
#         [0., 0., 1., 0.]])
torch.randperm(10)
# tensor([4, 9, 0, 2, 5, 6, 7, 3, 1, 8])