Pytorch学习笔记（二）张量的操作

最新推荐文章于 2024-03-08 09:55:05 发布

xinxihu

最新推荐文章于 2024-03-08 09:55:05 发布

阅读量209

点赞数

分类专栏： PyTorch 文章标签： pytorch 学习

本文链接：https://blog.csdn.net/huwanting/article/details/124891013

版权

PyTorch 专栏收录该内容

5 篇文章 0 订阅

订阅专栏

这篇博客详细介绍了PyTorch中张量的操作，包括张量的拼接（cat和stack）、切分（chunk和split）、按索引选择、mask操作以及张量的转换（transpose、squeeze和unsqueeze）。此外，还展示了ones_like、add等函数的使用，是理解PyTorch张量操作的实用教程。

摘要由CSDN通过智能技术生成

import torch
import numpy as np

# 1.张量拼接
t = torch.ones((2, 3))
t_0 = torch.cat([t, t], dim=0)
t_1 = torch.cat([t, t], dim=1)

# 2.张量拼接，扩展维度
# torch.stack
t = torch.ones((2, 3))
t_stack = torch.stack([t, t], dim=0)

# 3.chunk切分张量
a = torch.ones((2, 7))
list_of_tensor = torch.chunk(a, dim=1, chunks=3)

for idx, t in enumerate(list_of_tensor):
    print("idx:{},tensor:{}".format(idx, t))

# 4.split将张量按维度dim切分
a = torch.ones((2, 7))
list_of_tensor = torch.split(a, [2, 4, 1], dim=1)

for idx, t in enumerate(list_of_tensor):
    print("idx:{},tensor:{}".format(idx, t))

#  5.按照索引选择
t = torch.randint(0, 9, size=(3, 3))
print(t)
idx = torch.tensor([0, 2], dtype=torch.long)
print(idx)
t_select = torch.index_select(t, dim=1, index=idx)
print(t_select)
# 6.mask操作，生成的是向量，ge函数按值
t = torch.randint(0, 9, size=(3, 3))
print(t)
mask = t.ge(5)
print(mask)
t_select = torch.masked_select(t, mask)
print(t_select)
# 7.张量的变换：transpose，包括不限于转置，交换维度
t = torch.rand((2, 3, 4))
# print(t)
t_transpose = torch.transpose(t, dim0=1, dim1=2)
# print(t_transpose)
# 二维向量转置
t_test = torch.rand(3, 4)
t_trans = torch.t(t_test)
print(t_test)
print(t_trans)

# torch.squeeze()压缩长度为1的维度
# torch.unsqueeze() expand the length of dim

# 8. ones_like，同大小全1矩阵
t_0 = torch.randn((3, 3))
t_1 = torch.ones_like(t_0)
print(t_0)
print(t_1)

t_add = torch.add(t_0, t_1, alpha=10)
print(t_add)
print(t_add.data)
print(t_add.data.numpy())