深度学习实验2

一. 概念：张量、算子
张量：为多维的数列，不同阶的张量表现为维度的不同。
算子：表示一种运算，其运算的输入和输出为算自定义上的空间。
不同：通俗的说这两者的不同表现为使用上的区别，如果用作储存数据即为张量，用作储存算法即为算子。

二. 使用pytorch实现张量运算
1.2 张量
1.2.1 创建张量
1.2.1.1 指定数据创建张量

torch.tensor([[2, 1, 4, 3], [1, 2, 3, 4], [4, 3, 2, 1]])

tensor([[2, 1, 4, 3],
        [1, 2, 3, 4],
        [4, 3, 2, 1]])

1.2.1.2 指定形状创建
可以用reshape或者用view和resize_各有不同

torch.ones((2, 3, 4))

tensor([[[1., 1., 1., 1.],
         [1., 1., 1., 1.],
         [1., 1., 1., 1.]],
         
        [[1., 1., 1., 1.],
         [1., 1., 1., 1.],
         [1., 1., 1., 1.]]])

1.2.1.3 指定区间创建

torch.randn(3, 4)

tensor([[-2.5123, -1.1003, -0.2248, -0.3949],
        [-0.0733,  0.4029, -0.5090,  1.2428],
        [ 0.0980,  0.4315, -0.7781,  0.6033]])

1.2.2 张量的属性
1.2.2.1 张量的形状

x = torch.arange(12)
x = x.reshape(3,4)
x.shape

torch.Size([3, 4])

1.2.2.2 形状的改变

可以用reshape或者用view和resize_各有不同

x = torch.arange(12)
x.reshape(3, 4)
x.view(4,3)
x.resize_(1,12)

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

x.reshape(-1,4)

reshape仅通过行和列更改形状但是得是总数的因数

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

1.2.2.3 张量的数据类型

x = torch.arange(12)
type(x)

torch.Tensor

1.2.2.4 张量的设备位置

torch.cuda.is_available()       #GPU是否可用
aa=torch.randn(3,3,device='cpu')