pytorch中张量的三种创建方式(有代码实现)

最新推荐文章于 2023-09-14 20:18:18 发布

码龄为零的程序员

最新推荐文章于 2023-09-14 20:18:18 发布

阅读量880

点赞数 1

文章标签： python 深度学习 pytorch windows

本文链接：https://blog.csdn.net/manzubaolong/article/details/109226733

版权

本文详细介绍了PyTorch中创建张量的三种主要方式：直接创建、依据数值创建和依概率分布创建。包括torch.tensor()、torch.from_numpy()、torch.zeros()、torch.ones()、torch.full()、torch.arange()、torch.linspace()、torch.logspace()、torch.eye()、torch.normal()、torch.randn()、torch.rand()、torch.randint()以及torch.bernoulli()等函数的使用，每个函数都有代码实例展示其创建张量的过程。

摘要由CSDN通过智能技术生成

import torch
import numpy as np

直接创建

torch.tensor(data, dtype=None, device=None, requiers_grad=False,
pin_memory=False) # 从data创建tensor
torch.from_numpy(ndarray) # 从numpy创建tensor
data:数据，可以是list,numpy
dtype:数据类型，默认与data一致
device:所在设备 gpu/cpu
requores_grad:是否需要梯度
pin_memory:是否存于锁页内存

mat = np.array([[1,2,3],
               [2,3,4],
               [3,4,5]])
torch.tensor(mat)

tensor([[1, 2, 3],
[2, 3, 4],
[3, 4, 5]], dtype=torch.int32)

lt = [1,2,3,4,5,6,7,8,9]
torch.tensor(lt)

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

依据数值创建

2.1 torch.zeros(*size, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) # 按size创建全0张量
size:张量的形状 如(3,3) (3,5,5)
out:输出的张量
dtype:数据的类型
layout:内存中布局形式，有strided,sparse_coo等
device:所在设备 gpu/cpu
requires_grad:是否需要梯度

torch.zeros(3,3) # 也可以写成torch.zeros((3,3))效果一样，也是创建一个(3,3)的全0张量

tensor([[0., 0., 0.],
[0., 0., 0.],
[0., 0., 0.]])

2.2 torch.zeros_like(input, dtype=None, layout=None, device=None, requires_grad=False) # 依据input形状创建全0张量¶
input:input是一个张量，依据input的形状创建一个全零张量
dtype:数据类型
layout:内存中布局形式
device:所在设备，gpu/cpu
requires_grad:是否需要梯度

t1 = torch.tensor([[1,2,3],
                 [2,3,4],
                 [3,4,5]]) # 创建一个3x3的张量
t2 = torch.zeros_like(t1)
print('t1:{},t1.shape:{}\nt2:{},t2.shape:{}'.format(t1,t1.shape,t2,t2.shape))

t1:tensor([[1, 2, 3],
[2, 3, 4],
[3, 4, 5]]),t1.shape:torch.Size([3, 3])
t2:tensor([[0, 0, 0],
[0, 0, 0],
[0, 0, 0]]),t2.shape:torch.Size([3, 3])

2.3 torch.ones(*size, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) # 依size创建全1张量
2.4 torch.ones_like(input, dtype=None, layout=torch.strided, device=None, requires_grad=False) # 依据input形状创建全1张量
size:张量的形状 如(3,3) (3,255,255)
input:输入的张量，依据input张量的形状创建全1张量
dtype:数据类型
layput:内存中的布局形式
device:所在设备 GPU/CPU
requires_grad:是否需要梯度