Pytorch数据操作之张量操作

1.算术操作

1.加法

x = torch.rand(5, 3)
y = torch.rand(5, 3)
#【1】直接+
print(x + y)
#【2】add函数
print(torch.add(x, y))

result = torch.empty(5, 3)
torch.add(x, y, out=result)#指定输出
print(result)
#【3】add_覆盖函数
y.add_(x)
print(y)
#注：PyTorch操作inplace版本都有后缀_, 例如x.copy_(y), x.t_()

2.索引

索引出来的结果与原数据共享内存，也即修改一个，另一个会跟着修改。

x = torch.rand(5, 3)
y = torch.rand(5, 3)
#【1】普通索引
y = x[0, :]
y += 1
print(y)
print(x[0, :]) # 源tensor也被改了
#【2】在指定维度上选取
index_select(input, dim, index)#选取某些行、某些列
#【3】条件选取
masked_select(input, mask)#a[a>0]，使用ByteTensor进行选取
#【4】非0元素的下标
nonzero(input)
#【5】根据index，在dim维度上选取数据
gather(input, dim, index)#输出的size与index一样

3.改变形状

1.用view()来改变Tensor的形状。

• 注意view()返回的新Tensor与源Tensor虽然可能有不同的size，但是是共享data的，也即更改其中的一个，另外一个也会跟着改变。(顾名思义，view仅仅是改变了对这个张量的观察角度，内部数据并未改变)

• 虽然view返回的Tensor与源Tensor是共享data的，但是依然是一个新的Tensor（因为Tensor除了包含data外还有一些其他属性），二者id（内