Pytorch学习笔记（一）——数据操作

 矩阵的左上角坐标是（0，0）

X[1:3]是左闭右开，故只能取1和2。

矩阵可以正的读，也可以倒着读。例如X[-1]和X[0]一样。

X = torch.arange(12).reshape((3,4))
X, X[-1], X[1:3] #X[-1]表示最后一行，X[1:3]是第二和第三行，[1:3]左闭右开

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

 运行下面操作会导致新结果分配内存

Y = torch.arange(2,26,2).reshape(3,4)
before = id(Y)
Y = Y + X
id(Y) == before


out: false

原地操作如下，可不改变内存

before = id(X)
X += Y
a = id(X) == before
X[:] = X + Y
b = id(X) == before
a,b

out:
(True, True)

数据可以转换为Numpy张量

A = X.numpy()
B = torch.tensor(A)
type(A), type(B), A, X

out:
(numpy.ndarray,
 torch.Tensor,
 array([[ 10,  26,  42,  58],
        [ 74,  90, 106, 122],
        [138, 154, 170, 186]], dtype=int64),
 tensor([[ 10,  26,  42,  58],
         [ 74,  90, 106, 122],
         [138, 154, 170, 186]]))

也可以将大小为1的张量转换为python标量

a = torch.tensor([2.6])
a, a.item(), float(a), int(a)

out:
(tensor([2.6000]), 2.5999999046325684, 2.5999999046325684, 2)