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。