pytorch入门之tensor

一、张量Tensor

二、模块导入

import numpy as np
import torch

三、创建tensor的方式

（一）使用python中的列表创建tensor

代码示例

a = torch.tensor([[1, 2, 3], [4, 5, 6]])
print(a)

运行结果

（二）使用numpy中的数组创建tensor

代码示例

b = np.random.rand(3, 4)
b = torch.tensor(b)
print(b)

运行结果

（三）使用torch的API创建tensor

代码示例（部分）

torch.empty(3, 4)  # 创建空的tensor
torch.ones([3, 4])  # 创建全为1的tensor
torch.zeros([3, 4])  # 创建全为0的tensor
torch.rand([3, 4])  # 创建随机值的tensor,随机值的区间是[0,1)
torch.randint(low=0, high=10, size=[3, 4])  # 创建随机整数的tensor，随机区间是[low, high)
torch.randn([3, 4])  # 均匀分布，均值为0，方差为1

与numpy的用法大致相同。

二、pytorch中tensor的常用方法

1. 获取tensor中的数据：当tensor中只有一个元素，使用tensor.item()
   代码示例

   c = torch.tensor(np.array([1]))
   print(c.item())
   

   运行结果

   1

2. 转化为numpy数组：tensor.numpy()
   代码示例

   d = torch.tensor(np.arange(20).reshape(4, 5))
   print(d.numpy())
   

   运行结果
   

3. 获取tensor形状：tensor.size()

   e = torch.tensor([[1, 2, 3], [4, 5, 6]])
   print(e.size())
   print(e.size(0))  # 表示第0维的数据数量,含有[1,2,3]和[4,5,6]两个数据
   print(e.size(1))  # 表示第1维的数据数量,含有1,2,3（或4,5,6）三个数据
   

   

4. 形状改变：tensor.view((3,4))

   d = torch.tensor(np.arange(20).reshape(4, 5))
   print(d.view((5, 4)))
   d = d.view(-1)  # 多维变成一维
   print(d.size())
   

   

5. 获取维数：tensor.dim()

   f = torch.tensor(np.arange(10).reshape(2, 5))
   print(f.dim())  # 维数为2
   print(f.view(-1).dim())  # 维数为1
   

   2
   1

6. 获取最大(小)值：tensor.max() / tensor.min()

   f = torch.tensor(np.arange(10).reshape(2, 5))
   print(f.max())
   print(f.min())
   

   tensor(9, dtype=torch.int32)
   tensor(0, dtype=torch.int32)

7. 矩阵的转置:tensor.t()、tensor.transpose(参数1,参数2,…)、tensor.permute() 【注意：一维数组没有转置】
   （1）tensor.t() 【注意：当tensor的维度<=2时，可以直接使用，不传参数；但当tensor的维度>2时，则要使用tensor.transpose()】

   g = torch.tensor(np.arange(12).reshape([3, 4]))
   h = g.t()
   print(g)
   print(h)
   

   

   （2）tensor.transpose() # 只需传入tensor指定维度的下标

   i = torch.tensor(np.arange(24).reshape([2, 3, 4]))
   j = i.transpose(1, 2)  # 1,2指的是[2,3,4]的下标，意思是对指定的两个维度进行转置
   print(j)
   

   

   （3）tensor.permute() # 需要传入tensor中的所有维度对应的下标

   k = torch.tensor(np.arange(24).reshape([2, 3, 4]))
   L = k.permute(1, 0, 2)
   print(L)
   

   

三、tensor的数据类型

1. 获取tensor的数据类型：tensor.dtype

2. 创建数据时指定类型

   m = torch.tensor([3, 4], dtype=torch.float32)  
   print(m)
   

   
   注意一种报错情况：如果用torch.Tensor()则会报错
   例如：

   print(torch.Tensor(np.array([1, 2]), dtype=torch.float))
   

   运行结果
   

3. 数据类型的修改：tensor.数据类型() 【注意：double == float64】

   n = torch.tensor([1, 2], dtype=torch.float)
   n = n.double()
   print(n)