PyTorch学习笔记（3）：张量（Tensor）的生成

最新推荐文章于 2024-07-15 02:52:36 发布
最新推荐文章于 2024-07-15 02:52:36 发布
阅读量2.4k 收藏 11
点赞数 6
分类专栏： Pytorch学习笔记 文章标签： pytorch 深度学习 神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/npuraymond/article/details/120592739
版权
这篇博客详细介绍了PyTorch中张量的生成方法，包括随机张量、常数张量的创建，以及查看和调整张量元素类型、张量大小的查看和自定义张量元素。通过示例代码展示了torch.rand()、torch.zeros()、torch.ones()等函数的使用，并讨论了数据类型的转换和确认。
摘要由CSDN通过智能技术生成

目录

张量的生成方式

随机张量生成

常数张量生成

查看与调整张量元素的类型

张量大小的查看

自定义张量元素

今天的学习还是要借助Anaconda完成。首先，我们输入

(base) C:\Users\imzucn>python
Python 3.8.8 (default, Apr 13 2021, 15:08:03) [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch

张量的生成方式

进入torch中，需要了解一下常见的张量生成方式。

主要由以下几类

随机张量生成

随机张量的生成代码是 torch.rand()。例如，我们要生成两行两列的随机变量，结果就是

x = torch.rand(2, 2)
print(x)

此时，随机生成的结果就是，即二维矩阵（张量）。

tensor([[0.0307, 0.2306],
        [0.1607, 0.4621]])

常数张量生成

在有些情况下，要生成零张

最低0.47元/天 解锁文章
npuraymond
关注
专栏目录
Pytorch生成Tensor常用方法汇总
落地生根
04-04 9597
知识整理，便于以后查找。 本文是对pytorch生成Tensor常用方法的小结 均匀分布 torch.rand(*sizes, out=None) → Tensor 返回一个张量，包含了从区间[0,1]的均匀分布中抽取的随机的一组随机数，张量形状有参数size定义。 import torch a = torch.rand((2,3)) a tensor([[0.2969, 0.8017, 0...
pytorch创建tensor
meijie2018_1的博客
10-21 2900
** 一、import from numpy ** In [40]: a = np.array([2,3.3]) In [41]: a Out[41]: array([2. , 3.3]) In [42]: b = torch.from_numpy(a) In [43]: b Out[43]: tensor([2.0000, 3.3000], dtype=torch.float64) In...
PyTorch张量创建和随机数生成器算法
最新发布
逐梦苍穹的博客
07-15 1273
张量多种创建方式、随机数种子设定及基本算法数学讲解
torch学习第一天--tensor创建
qq_29983883的博客
12-02 1090
标量的shape和size都为空。
Pytorch：生成随机数Tensor的方法汇总
m0_37347812的博客
04-19 937
参考：Pytorch：生成随机数Tensor的方法汇总
Pytorch生成随机数Tensor的方法汇总
09-16
主要介绍了Pytorch生成随机数Tensor的方法汇总，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
pytorch学习笔记一：张量的操作与线性回归
Dear_learner的博客
01-24 1956
目录一、张量的简介1、张量的基本概念2、张量的属性二、张量的创建1、直接创建2、依数值创建3、依概率创建三、张量的操作1、张量的拼接2、张量的切分3、张量的索引4、张量变换5、算术运算6、高级操作四、线性回归模型 一、张量的简介 1、张量的基本概念 张量是一个【多维数组】，它是一个标量、向量、矩阵的高维拓展。 2、张量的属性 在 PyTorch 0.4.0 之前，torch.autograd 包中存在 Variable 这种数据类型，主要是用于封装 Tensor，进行自动求导。Variable 主要包含下
pytorch学习笔记1：张量
weixin_44740082的博客
06-07 1496
目录 Tensor与numpy相互转换： torch.ones(),torch.add(),torch.zeros(),torch.squeeze() Tensor与numpy相互转换： import torch x=torch.Tensor(2,3)#生成一个4*5的Tensor张量 将Tensor转换为numpy数组 y=x.numpy() 将numpy数组转换为Tenso...
pytorch tensor查找0_PyTorch学习笔记(二)：Tensor操作
weixin_30495789的博客
01-17 1239
什么是TensorTensor，又名张量，最早接触这个词是来自于TensorFlow，这个概念也被广泛的应用于不同的深度学习框架。如果一个物理量，在物体的某个位置上只是一个单值，那么就是普通的标量，比如密度。如果它在同一个位置、从不同的方向上看，有不同的值，而且这个数恰好可以用矩阵乘观察方向来算出来，就是张量。几何代数中定义的张量是基于向量和矩阵的推广，通俗一点理解的话，我们可以将标量视为零阶张量...
PyTorch C++ API笔记
阿丹的彩蛋
08-06 1763
学习PyTorch C++ API的笔记
PyTorch生成随机张量的函数
chen_znn的博客
05-10 1183
本文记录了PyTorch常用生成随机张量的函数
Pytorch基础函数（一）生成随机张量——rand()与randn()
热门推荐
ADwenwen的博客
04-02 1万+
在PyTorch中，基本的数据单元为Tensor（张量），而对于Tensor的随机初始化，常用的就是rand()与randn()两个函数。 一、rand()函数 torch.rand(*size,out=None)
2-Pytorch创建随机值张量
m0_46256255的博客
09-10 472
tensor.shape返回张量的形状，与tensor.size()方法等价，tensor.dtype返回当前张量的类型。8 将张量移动到显存，使用tensor.to()方法将张量移动到GPU上。2 使用torch.rand()创建0-1均匀分布的随机数。3 使用torch.randn()创建正态分布的随机数。9 更稳妥的移动显存方法，无论是否有GPU都能保证运行。4 使用torch.zeros()创建全0张量。5 使用torch.ones()创建全1张量。6 从另一个张量创建新的张量。
YDOOK ：Pytorch : 生成随机 tensor Pytorch 生成随机张量矩阵
YDOOK
01-09 2639
YDOOK ：Pytorch : 生成随机 tensor Pytorch 生成随机张量矩阵 使用： torch.rand (shape) 源代码： import torch a = torch.rand(3, 3) print('a = ', a) print('type(a) = ', type(a)) print() b = torch.rand(3) print('b = ', b) print('type(b) = ', type(b)) print() c = torch.rand(0, 3
Pytorch实用方法整理（1）——生成随机数Tensor的方法汇总
manduner的博客
02-15 4768
1，概述 在实验中，常用的生成随机数Tensor的方法有： torch.rand() torch.randn() torch.normal() torch.linspace() 那这些方法的区别呢？只有弄明白它们之间的区别，才可以在不同的应用场景中运用的得心应手. 注：文章内容转自https://zhuanlan.zhihu.com/p/31231210 2，详述 （1）torch...
pytorch张量 张量的生成
hhhhxxn的博客
11-24 9553
一、torch.tensor()函数 生成张量： A = torch.tensor([1.0,1.0],[2,2]) A #tensor([1.,1.], # [2.,2.]) 查看张量的一些属性： A.shape() #张量的维度 #torch.Size([2,2]) A.size() #张量的形状 #torch.Size([2,2]) A.numel() #张量中元素的数量 #4 在使用torch.tensor()函数时，可以使用参数dtype来指定张量的数据类型，使用参数require
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值