接上篇 轴交换只能用transpose和permute 千万不能用view()
(8)取值 tensor[1, 3]获取tensor中第一行第三列的值
如果要取这个18 三维t4[1, 2, 1] 第二块 第三行第二列
如果要取整个第一块 t4[0] 或者t4[0, :, :]
(9)赋值 tensor[1, 3]=100 对tensor中第一行第三列的位置进行赋值100
(10)tensor的切片
x[:, 1] 取第二列的值 x[0, :] 取第一行的值
4.tensor的数据类型
(1)获取tensor的数据类型:tensor.dtype
(2)创建数据的时候指定类型:torch.ones([2, 3], dtype=torch.float32)
(3)类型的修改 tensor.float()/long()/int()
tips:torch.Tensor和torch.tensor的区别
1.全局(默认的数据类型)是torch.float32
2.torch.Tensor()传入数字表示形状和torch.FloatTensor相同
3.torch.Tensor传入可迭代对象表示数据,类型为模型的数据类型
4.torch.tensor为创建tensor的方法
例 当torch.Tensor([1, 2])传入是一个列表时 表示的是一个tensor
当torch.Tensor(1)只传入一个值的时候 表示的是一个形状 这时候的效果和torch.FloatTensor(1)一样
5. tensor的其他操作
(1)tensor和tensor相加
x.add_(y) //就地修改 此时x的值已经修改为x+y
(2)CUDA中的tensor
CUDA(computer unified divice architecture)
torch.cuda这个模块增加了对CUDA tensor的支持,能够在cpu和gpu上使用相同的方法操作tensor
通过.to方法能够把一个tensor转移到另外一个设备(比如cpu转到gpu)
# device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
if torch.cuda.is_available():
device = torch.device("cuda") # cuda device对象
y = torch.ones_like(x, device=device) # 创建一个在cuda上的tensor
x = x.to(device) # 使用方法把x转化为cuda的tensor
z = x + y
print(z)
print(z.to("cpu", torch.double)) # .to方法也能够同时设置类型
例:
至此入门操作告一段落 后续会继续记录nlp实战操作