pytorch学习笔记1-pytorch的数据结构

1.pytorch的数据类型

torch.FloatTensor    torch.cuda.FloatTensor
torch.DoubleTensor   torch.cuda.DoubleTensor
torch.IntTensor      torch.cuda.IntTensor
torch.HalfTensor     torch.cuda.HalfTensor
torch.ByteTensor     torch.cuda.ByteTensor 
torch.CharTensor     torch.cuda.CharTensor
torch.ShortTensor    torch.cuda.ShortTensor  
torch.LongTensor     torch.cuda.LongTensor 

其中左边为cpu版本中的Tensor，右边为gpu版本的Tensor

2. 使用交互式命令行练习pytorch的数据类型

在cmd或terminal中输入ipython就可以召唤出python的交互式命令行啦。

ipython
In [1]: import torch
In [2]: import numpy as np

在前面引用即可使用pytorch。

3. 类型检验

a = torch.randn(2,3)  #生成服从标准正态分布的2*3维向量
a.type()  #查看a的类型
isinstance(a, torch.FloatTensor) # 查看a是否为FloatTensor类型的Tensor
torch.tensor(1.)  #用于生成一个新的Tensor
a = torch.tensor(2.2)
len(a,shape)
a.size()
#将数据包在中括号中表示为一维的向量
torch.tesnor([1.1])
torch.FloatTensor(2) #随机生成一个1*2的向量
data = np.ones(2)
torch.from_numpy(data)  
# 0维向量通常用于损失函数的表示
# 1维向量通常用于偏执或者线性问题的输入
# 2维向量
a = torch.randn(2,3)
a
a.shape[1]
a.size[2]
# 3维向量 通常用于RNN 自然语言分析等方面
a = torch.rand(1,2,3)
list(a.shape)  #查看a的形状
# 4维向量 通常用于卷积神经网络(CNN)中
a = torch.rand([2,3,28,28])
a.numel()  #查看变量所占的空间
a.dim()  #查看向量的维度

此处应该强调，size表示向量的大小，dimension表示向量的形状，
a[2,3] size为6 而 dimension为2*3.