pytorch学习笔记（一）)

一、pytorch基本数据类型

pytprch最基本的操作对象是tensor(张量)，它表示一个多维矩阵，类似于NumPy的ndaarrays,张量可以在GPU上做高速计算
使用步骤：
构造一个初始化矩阵：torch.rand
 全0矩阵：torch.zeros
 全1矩阵:torch.ones
pytorch基本数据类型
 IntTensor of size()------------>对应python中int
 FloatTensor of size()------------>对应python中int
 IntTensor of size[d1,d2====]------------>对应python中Int array
 FloatTensor of size()------------>对应python中Float array

import torch
a=torch.randn(2,3)  # 正态分布
b=torch.rand(2,3)  # 生成均匀分布的随机数
c=torch.zeros(2,3)
d=torch.ones(2,2,3)
print(a.size(0)) # 可以指定维度
print(a.shape)
print(a)
print(b)
print(c)
print(d)
print(a.type())  # torch.FloatTensor
print(isinstance(a,torch.FloatTensor))


e = torch.tensor([6,2],dtype=torch.float32)
print(e)
e.type(torch.int32)  # 类型转换
print(e)

二、tensor方法

Tensor方法:
 torch.full 填充
 torch.empty 为空
 torch.rand 随机数
 torch.randn 均值为0，方差为1
 torch.randint随机整数
  torch.add 加法
 torch.tensor 创建
 torch.torch.from_numpy(numpy矩阵):Numpy转换为Tensor
 torch.reshape 改变形状
 torch.numel 统计数目
 torch.view 视图
 torch.arrange 范围
 torch.linspace 间隔
 torch.eye 对角线
 torch.cat 连接
 torch.index_select 根据索引选择
 torch.narrow 缩小
 torch.t 转置
 torch.take 根据索引获取元素
 torch.transpose 转置
 torch.split分割

import torch
import numpy as np
# Tensor方法
t1 = torch.rand(1,2)
a = torch.is_tensor(t2)
print(a)

# 创建一个全0 tensor
t3 = torch.zeros(3,2)
num = torch.numel(t3)

# 创建对角线为1的tensor
t4 = torch.eye(3,3)
print(t4)

# 将numpy转化为tensor
n = np.array([1,2,3,4])
t5 = torch.from_numpy(n)
print(int)

# 切分
t6 = torch.linspace(1,10,steps=5)  # 从1开始到10，切分成5份
print(t6)

# 创建均匀分布,值在0到1之间
t7 = torch.rand(10)
print(t7)

# 创建正态分布
t8 = torch.randn(10)
print(t8)

# 选择随机数 从1到10
t9 = torch.randperm(10)

# 生成一个固定区间的数
t10 = torch.arange(1,10,3)  # 从1到10，步长为3

# 获取行或列的最小值和最大值索引
x = torch.randint(1,99,(3,3))
t11 = torch.argmin(x,dim=0)
t12 = torch.argmax(x,dim=0)

# 连接
y = torch.randint(1,10,(2,3))
t13 = torch.cat(y,y,dim=1)  # 1是横轴

# 切块
z= torch.randint(1,10,(3,3))
torch.chunk(a,2,0)

# 根据索引选择
m = torch.randn(4,4)
index= torch.tensor([0,2])  # 输出0行和第2行
t15 = torch.index_select(m,0,index)


# 分割
n = torch.tensor([1,2,3,4,5,6,7])
t16 = torch.split(n,3)  # 将n切分成3份

# 转置
p = torch.tensor([[1,3][2,4]])
p.transpose(1,0)
p.t()

# tensor运算
t17 = torch.tensor([[1,2][3,4]])
torch.add(t17,1)  # 所有元素加1

torch.mul(t17,2)  # 所有元素乘2