Pytorch基础知识1——张量tensor创建和使用

Pytorch基础知识1——张量tensor创建和使用

张量类似于numpy库中的array，是数组的衍生概念，是适用于深度学习的一种基本数据结构，张量包含高维矩阵，专注于工业化深度学习的方法。

一.导入pytorch库

import torch

1.查看库的版本号

torch.__version__

打印输出结果

'1.9.0+cu111'

2.查看是否可以使用GPU版本的pytorch

torch.cuda.is_available()

输出结果

True

二.张量的创建和类型

张量的本质是结构化组织的大量数据，实际操作和处理的基本功能依然是与numpy中的array类似。

1.创建张量tensor

(1)通过列表创建张量，序列数据

# 通过列表list创建张量，序列数据
t = torch.tensor([1, 2])
t

输出结果

tensor([1, 2])

(2)通过arange函数创建张量

#索引从0开始，左闭右开
x =torch.arange(12)
x

输出结果

tensor([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11])

（3）通过元组直接创建张量

# 通过元组创建张量
torch.tensor((1, 2))

输出结果

tensor([1, 2])

(4)通过numpy创建array进行转化

import numpy as np
a = np.array((1, 2))
a

输出结果

array([1, 2])

通过数组创建张量，array转换为tensor,n维数组类型

t1 = torch.tensor(a)
t1

输出结果

tensor([1, 2], dtype=torch.int32)

张量具有dtype类型，在从numpy到torch之间的转换过程中存在数据结构的变化。