Pytorch入门（一）——张量

在Pytorch中张量属于一种数据结构，类似NumPy中的数组。

一、张量的数据类型

torch.set_default_tensor_type()：设置默认的数据类型；

.dtype：获取张量的数据类型；

二、张量的生成

torch.tensor()：生成张量；torch.Tensor()：生成张量，还可以根据指定的形状生成张量；

.shape：获取张量维度；.size()：计算张量的形状大小；.numel()：计算张量中包含的元素数量；

torch.**_like()：系列函数生成与指定张量维度相同性质相似的张量，

        例如：torch.ones_like();torch.zeros_like();torch.rand_like();

torch.as_tensor()和torch.from_numpy()：将Numpy数组转化为PyTorch张量；

torch.numpy()：将PyTorch张量转化为Numpy数组；

torch.normal()：生成服从正态（0，1）分布的随机数；

torch.manual_seed()：指定生成随机数的种子，用于保证生成的随机数是可重复出现的；

torch.rand()：在（0，1）上生成服从均匀分布的张量；

torch.randperm(n)：将0-n(包含0不包含n)之间的整数进行随机排序后输出；

torch.arange()：生成指定间隔的数列；

torch.linespace()：生成固定数量的等间隔张量；

三、张量操作

tensor.reshape()：改变张量的形状；

torch.unsqueeze()：在张量指定维度插入新的维度（升维）；

torch.squeeze()：一处指定或者所有大小为1的维度（降维）；

.expand()：对张量的维度进行拓展；.expand_as()：根据给定的张量对张量的维度进行拓展；

torch.tril()：获取下三角部分的内容；torch.triu()：获取上三角部分的内容；

torch.diag()：获取张量对角线上的元素；

torch.cat()和torch.stack()：将多个张量在指定维度进行拼接得到新的张量；

torch.chunk()：将张量分割为特定数量的块；

torch.spilt()：在将张量分割为特定数量的块时可以指定每个块的大小；

四、张量的计算

张量之间比较元素大小的相关函数；（略）

张量基本运算：加减乘除、幂运算**或者torch.pow()；指数运算：torch.exp()；对数运算：torch.log()；平方根运算torch.sqrt()；平方根倒数torch.rsqrt()；

torch.clamp_max()：根据最大值裁剪；torch.clamp_min()：根据最小值裁剪；

torch.clamp()：根据范围裁剪；

torch.t()：矩阵的转置；torch.matmul()：矩阵的乘积；torch.inverse()：计算矩阵的逆矩阵；

torch.trace()：计算矩阵的迹；

torch.max()：计算张量中的最大值；torch.min()：计算张量中的最小值；

torch.argmax()：输出最大值所在的位置；torch.argmin()：输出最小值所在的位置；

torch.sort()：排序并输出原始索引；

torch.topk()：根据指定的k值，计算出张量中的取值大小为第k大的数值与所在的位置；

torch.kthvalue()：根据指定的k值，计算出张量中的取值大小为第k小的数值与所在的位置；

torch.mean()：根据指定的维度计算均值；

torch.sum()：根据指定的维度求和

torch.cumsum()：根据指定的维度计算累加和；

torch.median()：根据指定的维度计算中位数；

toorch.cumprod()：根据指定的维度计算累乘积；

torch.std()：计算张量的标准差；