pytorch--初识张量与常见基础函数(1)

已于 2022-03-27 16:19:30 修改
阅读量3.6k 收藏 16
点赞数 8
分类专栏： 动手学深度学习 文章标签： pytorch 深度学习 python
于 2022-03-06 21:55:13 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/lkr_2023/article/details/123200296
版权
本文介绍了PyTorch中的张量概念，包括张量的定义、访问元素的方法、常用数据类型，以及如何创建张量和进行数据类型转换。此外，还讨论了基础的张量操作，如`torch.tensor`和`torch.empty`，以及张量的数据类型转换函数。
摘要由CSDN通过智能技术生成

目录

张量的定义

张量的概念

访问元素

张量常用数据类型

张量的创建及其数据类型转换

张量的简单创建

张量的数据类型转换

常用的基础函数

张量的定义

张量的概念

        张量(Tensor)是Pytorch、TensorFlow等深度学习框架的基础运算单位，与python中Numpy工具包的ndarray类似。不同的是GPU可以很好地支持加速计算，而Numpy仅支持CPU计算，这样可以哒哒地加快运算速度。张量为包含单一数据类型的元素的多维矩阵(没有轴只有大小的标量可以视为零阶张量，有一个轴既有大小又有方向的矢量可以视为一阶张量，有两个轴的矩阵可以视为二阶张量，具有两个轴以上的张量没有特殊的数学名称)。

访问元素

 

张量常用数据类型

Tensor在Pytorch中常用的基本数据类型:

torch.FloatTensor    #Tensor默认数据类型32位浮点型
torch.DoubleTensor   #64位浮点型
torch.LongTensor     #64位整型
torch.IntTensor      #32位整型
torch.ShortTensor    #16位整型

不常用数据类型:

torch.BoolTensor    #布尔类型
torch.ByteTensor    #byte类型
torch.HalfTensor    #半精度浮点类型
torch.CharTensor    #char类型

最低0.47元/天 解锁文章
乱花渐欲迷人眼~
关注
  • 8
    点赞
  • 踩
  • 16
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 3
    评论
专栏目录
PyTorch 基础 : 张量
qq_27009517的博客
12-21 478
在第一章中我们已经通过官方的入门教程对PyTorch有了一定的了解，这一章会详细介绍PyTorch 里面的基础知识。 全部掌握了这些基础知识，在后面的应用中才能更加快速进阶，如果你已经对PyTorch有一定的了解，可以跳过此章 # 首先要引入相关的包 import torch import numpy as np #打印一下版本 torch.__version__ ‘1.2.0’ 张量(Tensor) 张量的英文是Tensor，它是PyTorch里面基础的运算单位,与Numpy的ndarray相同都表示的
【PyTorch】1-基础知识（张量、导数、CUDA）
m0_65787507的博客
04-21 1203
注：所有资料来源且归属于thorough-pytorch(https://datawhalechina.github.io/thorough-pytorch/)，下文仅为学习记录。
【深度学习】Tensorflow学习（1）张量与常用函数
萌狼蓝天の技术栈
02-27 1912
关于张量 张量可以表示0阶到N阶的数组 在TensorFlow中，张量(Tensor)表示某种相同数据类型的多维数据 因此张量有两个重要特征： 数据类型 数组形状(各个维度的大小) 张量的数据类型 tf.int，tf.float tf.int32，tf.float32，tf.float64 tf.bool tf.constant([True,False]) tf.string tf.co...
Torch学习笔记
whgyxy的博客
08-14 1万+
Torch笔记 （二）快速入门 Torch中的唯一的数据结构就是Tensor了，而该结构简洁而且强大，非常适合进行矩阵类的数值计算，它是Torch中最最重要的类了。这个Tensor其实就是个多维矩阵，支持矩阵的各种操作。这里需要特别强调的是，lua中的数组（其实是table）下标是从1开始的，因此Tensor对象的下标也是从1开始的。 咱们从程序猿的角度来说，首先，Tensor也是有类型的
tensor类型对应以及转换
qq_38385468的博客
10-21 3706
pytorch中有torch.float32等的数据类型，主要的对应关系及转化有： short————————torch.int16 转化:tensor.short()或tensor.type(torch.int16) int—————————torch.int32 转化：tensor.int()或tensor.type(torch.int32) long————————torch.int64 转化：tensor.long()或tensor.type(torch.int64) float————————to
PyTorch学习-多分类问题
xiongyuqing的博客
08-11 3176
输出属于某个类别的概率，希望输出之间有关系，相互影响，即输出一个分布 做一个softmax层，使得输出大于0，和为1 计算公式： P(y=i)=ezi∑j=0k−1ezjP(y=i)=\cfrac{e^{z_i}}{\sum_{j=0}^{k-1}{e^{z_j}}}P(y=i)=∑j=0k−1​ezj​ezi​​ Loss function-Cross Entropy： Loss(Y^,Y)=−YlogY^Loss(\hat{Y},Y)=-Ylog\hat{Y}Loss(Y^,Y)=−YlogY^ Tor
关于pytorch中的tensor用法总结（好办法分享给大家）
weixin_69334636的博客
03-17 2540
张量类型 类型 - torch.FloatTensor/torch.float32：单精度浮点型tensor，即32位浮点型。 - torch.DoubleTensor/torch.float64：双精度浮点型tensor，即64位浮点型。 - torch.HalfTensor/torch.float16：半精度浮点型tensor，即16位浮点型。 - torch.ByteTensor/torch.uint8：无符号8位整型tensor。 - torch.CharTensor/torch.int8：有
PyTorch | （2）PyTorch 入门-张量
01-06
PyTorch | （1）初识PyTorch PyTorch | （2）PyTorch 入门-张量 PyTorch 是一个基于 Python 的科学计算包，主要定位两类人群： NumPy 的替代品，可以利用 GPU 的性能进行计算。 深度学习研究平台拥有足够的灵活性...
Pytorch第一课：package-torch（1）之张量初识
【人工智能】王小草的博客
11-20 2044
微博：https://weibo.com/wangxiaocaoai/profile?rightmod=1&wvr=6&mod=personinfo 微信公众号：搜索"AI躁动街" 本节要点： 1 张量 2 创建张量的方式 3 张量的索引,切片,连接,换位等操作 4 随机抽样的操作 5 序列化（保存与加载） 6 并行化 1 张量Tensor 1.1 判断是否为张量 t
精品--深度学习框架PyTorch快速开发与实战.zip
02-05
- **初识PyTorch**：了解如何安装PyTorch，设置环境，并创建第一个张量。 - **构建模型**：通过`nn.Module`定义自定义的神经网络结构，如卷积神经网络（CNN）或循环神经网络（RNN）。 - **损失函数(Loss ...
pytorch_first_network-python源码.zip
05-02
《PyTorch初识：构建你的第一个神经网络》 PyTorch是Facebook开源的一个深度学习框架，以其灵活性和易用性受到广大开发者的喜爱。在这个压缩包“pytorch_first_network-python源码.zip”中，包含了一个名为“案例46...
Tensorflow一些常用基本概念与函数（1）
热门推荐
lenbow的博客
08-08 15万+
摘要：本文主要对tf的一些常用概念与方法进行描述。
Pytorch-数据类型转换
秀呀秀的博客
03-06 2万+
1.Pytorch上的数据类型 Pytorch的类型可以分为CPU和GPU上的Tensor, 它们拥有的数据类型是基本上是一样的：tensor.FloatTensor tensor.LongTensor tensor.ByteTensor tensor.CharTensor tensor.ShortTensor tensor.IntTensor torch.LongTensor 其中torch....
pytorch---基础篇（常用函数）
hei_hei_hei_的博客
03-28 4712
目录 1.张量 2. 3. 4. 5. 6. 7. 8. 9. 10. 1. 张量 torch.numel(input)->int：返回张量中元素的个数 x = torch.arange(11) x.numel() # 11 torch.numel(x) # 11 2. 创建操作 torch.eye(n, m=None, out=None)：返回一个m∗nm*nm∗n张量，对角线位置全1，其它位置全0。如果m没指定，则默认为n∗nn*nn∗n >>> torch.e
torch.LongTensor()的输入必须是列表
wxgaws的博客
05-07 2460
import torch torch.LongTensor(1) # tensor([140711006350432]), wrong tensor([1]) # tensor([1]), right
pytorch系列------2 tensor基础
墨流觞的博客
11-05 5737
pytorch Tensor的基本用法 Tensor的创建 索引，合并，切片 初始化 数学操作 1. Tensor的创建 1) 随机数字 torch.rand(*sizes, out=None) → Tensor 返回一个张量，包含了从区间[0, 1)的均匀分布中抽取的一组随机数。张量的形状由参数sizes定义 # torch.rand(sizes) -> [0,1)之间的均匀分布 x ...
torch.FloatTensor()
weixin_36670529的博客
05-07 4万+
类型转换, 将list ,numpy转化为tensor。 以list -> tensor为例： print(torch.FloatTensor([1,2])) # 输出: tensor([1., 2.]) 根据torch.Size()创建一个空tensor a = torch.tensor([[1, 2], [3, 4]]) print(torch.FloatTensor(a.si...
并行动力：用PyTorch在多GPU上释放深度学习潜能
最新发布
2401_85842555的博客
08-27 782
幸运的是，PyTorch提供了强大的多GPU训练支持，允许我们利用多个GPU来加速模型的训练过程。本文将详细介绍如何在PyTorch中使用多GPU训练，包括数据并行、模型并行以及混合并行策略，并提供实际的代码示例，帮助读者快速掌握多GPU训练的技巧。多GPU训练能够显著提升训练速度，使得大型模型的训练成为可能。通过这篇文章，我们不仅学习了多GPU训练的概念和实现方法，还通过代码示例加深了理解。是更为高级的多GPU训练方式，它通过分布式通信后端来同步不同GPU上的模型梯度。两种主要的多GPU训练方式。
pytorch-unet
05-25
PyTorch-UNet是一个基于PyTorch实现的深度学习模型，它是基于U-Net架构设计的一种图像分割模型，用于对医学图像进行语义分割，如对肝脏、肺部等进行分割。U-Net的特点是有对称的编码器和解码器，并且使用跳跃连接将编码器和解码器的信息连接起来，从而能够保留更多的图像细节信息。PyTorch-UNet在U-Net的基础上进行了改进，并且利用了PyTorch框架的灵活性和高效性，使得它在图像分割任务上表现优秀。 PyTorch-UNet中的网络结构主要包括编码器和解码器两个部分。编码器主要用于提取输入图像的特征信息，将图像不断缩小；解码器主要用于将缩小后的特征图还原到原始大小，并且使用跳跃连接将编码器和解码器之间的信息连接起来，从而保留更多的细节信息。在训练过程中，PyTorch-UNet采用了Dice Loss作为损失函数，用于衡量预测结果与真实标签之间的相似度。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

乱花渐欲迷人眼~

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值