Pytorch数据操作之创建张量

1.首先导入Pytorch：

import torch

2.创建张量

#【1】不初始化
x = torch.empty(5, 3)
#【2】随机初始化
x = torch.rand(5, 3)#0-1之间的数
#【3】全零，指定数据类型
x = torch.zeros(5, 3, dtype=torch.long)
#【4】直接根据数据创建
x = torch.tensor([5.5, 3])
#【5】通过现有的Tensor来创建
x = x.new_ones(5, 3, dtype=torch.float64)  # 返回的tensor默认具有相同的torch.dtype和torch.device
x = torch.randn_like(x, dtype=torch.float) # 此方法会默认重用输入Tensor的一些属性，例如数据类型，除非自定义数据类型。

3.获取张量属性

print(x.size())#返回的torch.Size其实就是一个tuple, 支持所有tuple的操作
print(x.shape)

torch.Size([5, 3])

4.创建张量函数总结

函数	功能
Tensor(*sizes)	基础构造函数
tensor(data,)	类似np.array的构造函数
ones(*sizes)	全1Tensor
zeros(*sizes)	全0Tensor
eye(*sizes)	对角线为1，其他为0
arange(s,e,step)	从s到e，步长为step
linspace(s,e,steps)	从s到e，均匀切分成steps份
rand/randn(*sizes)	均匀/标准分布
normal(mean,std)/uniform(from,to)	正态分布/均匀分布
randperm(m)	随机排列

这些创建方法都可以在创建的时候指定数据类型dtype和存放device(cpu/gpu)。