第一章torch（1-10）页

包torch包含了多维张量得数据结构以及其上得多种数学操作，另外，它也提供了多种工具。其中一些可以有效得对张量和任意类型进行序列化。它有CUDA得对应实现，可以在 NVIDIA GPU 上进行张量运算(计算能力>=2.0)。

张量Tensors

torch.is_tensor

torch.is_tensor(obj)

如果obj是一个pytorch张量，则返回True.

• 参数： obj(Object)-判断对象

torch.is_storage

torch.is_storage(obj)

如果obj是一个pytorch storage对象，则返回true,

• 参数：input (Object) – 判断对象

torch.set_default_tensor_type

torch.set_default_tensor_type(t)

torch.numel

torch.numel(input)->int

返回input张量中得元素个数。

• 参数： input(tensor)-输入张量

torch.set_printoptions

torch.set_printoptions(precision=None, threshold=None,

edgeitems=None, linewidth=None, profile=None)
设置打印选项
参数：

• precision: 浮点数输出的精度位数 (默认为 8 )
• threshold – 阈值，触发汇总显示而不是完全显示(repr)的数组元素的总数 （默认为 1000）
• edgeitems – 汇总显示中，每维（轴）两端显示的项数（默认值为 3）
• linewidth – 用于插入行间隔的每行字符数（默认为 80）。
• profile – pretty 打印的完全默认值。 可以覆盖上述所有选项 (默认为 short, full)

创建操作 Creation Ops

torch.eye

torch.eye(n, m=None, out=None)

• 返回一个2维张量，对焦位置为1，其他位置为0.
  参数：
  • n (int ) – 行数
  • m (int, optional) – 列数.如果为 None,则默认为 n
  • out (Tensor, optinal) - Output tensor
  • 返回值: 对角线位置全 1，其它位置全 0 的 2 维张量
    返回值类型: Tensor

from_numpy

torch.from_numpy(ndarray) → Tensor

Numpy桥，将 numpy.ndarray 转换为 pytorch 的 Tensor。返回的张量 tensor 和 numpy
的 ndarray 共享同一内存空间。修改一个会导致另外一个也被修改。返回的张量不能改变大
小。

torch.linspace

torch.linspace(start, end, steps=100, out=None) → Tensor

返回一个1维张量，包含在区间start和end上均匀间隔得step点，输出1维张量长度为steps
参数：

• start (float) – 序列的起始点
• end (float) – 序列的最终值
• steps (int) – 在 start 和 end 间生成的样本数
• out (Tensor, optional) – 结果张量

torch.logspace

torch.logspace(start, end, steps=100, out=None) → Tensor

返回一个1维张量，包含在区间$10^{start}$和$10^{e}nd$上以对数刻度均匀间隔steps个点，输出1维张量得长度为steps
参数:

• start (float) – 序列的起始点
• end (float) – 序列的最终值
• steps (int) – 在 start 和 end 间生成的样本数
• out (Tensor, optional) – 结果张量

torch.ones

torch.ones(*sizes, out=None) → Tensor

返回一个全为1得张量，其形状由可变参数sizes定义。
参数

• sizes:整数序列，定义了输出的形状
• out (Tensor, optional) – 结果张量

torch.rand

torch.rand(*sizes, out=None) → Tensor

返回一个张量，包含了从区间[0,1)的均匀分布中抽取一组随机数，形状由可变参数sizes定义。
参数

• sizes (int…) – 整数序列，定义了输出形状
• out (Tensor, optinal) - 结果张量

torch.randn

torch.randn(*sizes, out=None) → Tensor

返回一个张量，包含了从**标准正态分布(均值为 0，方差为 1，即高斯白噪声)**中抽取一组随
机数，形
状由可变参数 sizes 定义。
参数

• sizes (int…) – 整数序列，定义了输出形状
• out (Tensor, optinal) - 结果张量

torch.randperm

torch.randperm(n, out=None) → LongTensor

给定参数n,返回一个从0到n-1的随机整数排列。
参数

• n (int) – 上边界(不包含)

torch.arange

torch.arange(start, end, step=1, out=None) → Tensor

返回一个1维张量，长度为 floor((end−start)/step)。包含从 start 到 end，以 step 为步长
的一组
序列值（默认步长为1）
参数

• start (float) – 序列的起始点
• end (float) – 序列的终止点
• step (float) – 相邻点的间隔大小
• out (Tensor, optional) – 结果张量

torch.range

torch.range(start, end, step=1, out=None) → Tensor

返回一个 1 维张量，有 floor((end−start)/step)+1 个元素。包含在半开区间[start, end）
从 start
开始，以 step 为步长的一组值。 step 是两个值之间的间隔，即 xi+1=xi+step
警告：建议使用函数 torch.arange()
参数：

• start (float) – 序列的起始点
• end (float) – 序列的最终值
• step (int) – 相邻点的间隔大小
• out (Tensor, optional) – 结果张量

torch.zeros

torch.zeros(*sizes, out=None) → Tensor

返回一个全为标量0的张量，形状由可变参数size定义。
参数：

• sizes (int…) – 整数序列，定义了输出形状
• out (Tensor, optional) – 结果张量