pytorch基础知识-tensor、variable

tensor

tensor概念

1.tensor（张量）是什么？
tensor是pytorch最基本的操作对象，表示的是一个多维的矩阵。
tensor与numpy相对应，可与numpy的ndarray相互转换。但pytorch可以再GPU上运行，ndarray只能在CPU上运行。
2.tensor的属性

#tensor的属性介绍
dtype	数据类型，如torch.FloatTensor，torch.cuda.FloatTensor
shape	形状
device	tensor所在的设备，CPU/GPU

#以下下属性在pytorch4.0以后才有，具体属性介绍可查看variable的属性介绍
grad, grad_fn, requires_grad, is_leaf

创建tensor

直接创建

#格式
    '''
    t = torch.tensor(
        data=[1, 1, 1],  # 可以是list，numpy
        dtype=torch.float64,  # 注意与data一致，默认为None
        device=None,
        requires_grad=False,
        pin_memory=False  # 是否将tensor存于锁页内存
    )
    '''
#直接创建案例
    arr = np.ones((5, 5))
    print("ndarray的数据类型为：", arr.dtype)
    t = torch.tensor(arr)
    # t = torch.tensor(arr,device='cuda') #将tensor放入GPU中
    print(t)

运行结果:

依据数值创建

#格式
    '''
    t = torch.from_numpy(ndarray)
    #note:此处所得的tensor与ndarray共享内存，会同时变动
    '''
#根据数值创建
    arr = np.array([[1,2,3],[4,5