Python之Tensor初探

第一关：

任务描述：

程序中将提供一个numpy.ndarray类型的变量np_data，利用下文所介绍的from_numpy 方法，转换为对应的 tensor 类型。
编程要求：

本关涉及的代码文件为array2tensor.py，本次的编程任务是补全右侧编辑器Begin至End中间的代码，具体要求如下：
将 numpy.ndarray转成 tensor 类型，并用变量torch_data保存转换后的值；
具体请参见后续测试样例。

代码：

import torch
import numpy as np

def a2t():
    np_data = np.array([[1, 2],[3,4]])

 #/********** Begin *********/
#将np_data转为对应的tensor，赋给变量torch_data
    torch_data = torch.from_numpy(np_data)
    
#/********** End *********/
    return(torch_data)

第二关：

任务描述：

一个张量 tensor 可以利用输入其行数和列数进行构建，也可以利用 Python 的 list 构建，按照程序相关的提示，创建一个32位有符号的整数张量。

编程要求：

本关涉及的代码文件为 createTensor.py，本次编程任务是补全右侧编辑器中Begin至End中间的代码，具体要求如下：
创建一个32位有符号的整数张量，sizes大小为（2，2）；
具体请参见后续测试样例。

代码：

import torch

def create():
    #/********** Begin *********/
    #创建一个32位有符号的整数张量t
    t = torch.IntTensor(2, 2)

    #/********** End *********/
    return t

第三关：

任务描述：

本关任务：本关声明了一个 tensor变量t，根据要求对其进行索引切片操作，实现正确输出。其中，涉及到正序索引、逆序索引，步长为3的索引操作。
编程要求：

本关涉及的代码文件为slicing.py，本次编程任务是补全右侧编辑器中Begin至End中间的代码，本关首先声明了一个 tensor变量 t，根据要求对其进行索引切片操作，具体要求如下：
输出正序索引张量 t 起始位置为2，终止位置为5元素；
输出正序索引张量 t 起始位置为-4，终止位置为-2元素；
输出张量 t 起始位置为2，终止位置为6，步长为3的元素。
具体请参见后续测试样例。

代码：

import torch


t = torch.Tensor(range(6))

#/********** Begin *********/
#输出正序索引张量 t起始位置为2，终止位置为5元素
print("Inverted indexing :", end='')
print(t[2:5])
#输出正序索引张量t 起始位置为-4，终止位置为-2元素
print("Negative indexing :", end='')
print(t[-4:-2])
#输出张量 t起始位置为2，终止位置为6，步长为3的元素
print("Slicing :", end='')
print(t[2:6:3])
#/********** End *********/

第四关：

任务描述：

本关要求同学们掌握，张量基本的数学运算操作，便于对数据进行进一步的处理和分析。

本关任务：本关声明了一个 tensor变量t，根据要求对其进行数学操作，从而掌握张量相关的数学函数，如开平方根，四舍五入等，要求实现正确输出。

输出一个新张量，元素为输入的元素四舍五入到最接近的整数；

输出一个新张量，元素为输入的元素的符号，正为 1，负为-1。

编程要求：

本关涉及的代码文件为mathOperation.py，本次编程任务是补全右侧编辑器中Begin至End中间的代码，本关首先声明了一个 tensor变量t，根据要求对其进行数学操作，具体要求如下：
输出一个新张量，元素为输入的元素四舍五入到最接近的整数；
输出一个新张量，元素为输入的元素的符号，正为1，负为-1。
具体请参见后续测试样例。

代码：

import torch

t = torch.Tensor([[2.4,-5.6,8.6,2.1,4],[3.5,-9.3,6.7,-5,4.23]])
#/********** Begin *********/
#输出一个新张量，元素为输入的元素四舍五入到最接近的整数
print("Round :", end='')
print(torch.round(t))
#输出一个新张量，元素为输入的元素的符号，正为1，负为-1
print("Sign :", end='')
print(torch.sign(t))
#/********** End *********/

第五关：

任务描述：

在进行数据处理时，由于不同的需求，往往需要我们对残缺的数据进行扩充，或为了便于处理而进行转置。

本关介绍了利用view() 方法，返回具有相同数据但大小不同的新张量，从而达到了 reshape 的作用；同时利用transpose ()使给定的维度dim0和dim1被交换。

本关任务：本关声明了一个 tensor变量t，利用view()对其进行维度的转换，并在零位置插入尺寸为1的新张量，由此扩充原始张量t。

编程要求：

本关涉及的代码文件为reshape.py，本次编程任务是补全右侧编辑器中Begin至End中间的代码，本关首先声明了一个 tensor变量t，利用view()对其进行维度的扩充，具体要求如下：
首先将张量t的大小转为40*4；
然后在零位置插入尺寸为1的新张量，由此扩充原始张量t。
具体请参见后续测试样例。

代码：

import torch

t = torch.randn(2, 10, 8)

# 将张量 t 的大小转为 40*4，并在零位置插入尺寸为 1 的新维度，由此扩充原始张量 t
t = t.view(1, -1, 4)

# 输出变化后的 t 的大小
print(t.size())

相关知识：