简单粗暴PyTorch之张量创建

最新推荐文章于 2024-03-25 23:09:52 发布

刘大鸭

最新推荐文章于 2024-03-25 23:09:52 发布

阅读量289

点赞数

分类专栏：简单粗暴Pytorch学习文章标签： pytorch

本文链接：https://blog.csdn.net/qq_36642243/article/details/107880957

版权

本文介绍了PyTorch中的张量概念及其创建方法，包括直接创建、数值创建和概率分布创建。张量是多维数组，可以指定数据类型、形状、设备和是否需要梯度。介绍了torch.tensor()、torch.zeros()、torch.ones()、torch.full()、torch.arange()、torch.linspace()、torch.logspace()、torch.eye()等函数用于创建不同类型的张量。同时讲解了正态分布、标准正态分布、均匀分布和伯努力分布的生成方式。

摘要由CSDN通过智能技术生成

张量

1、 Tensor概念

张量是一个多维数组，它是标量、向量、矩阵的高维拓展

Variable是torch.autograd中的数据类型主要用于封装Tensor，进行自动求导
PyTorch0.4.0版开始， Variable并入Tensor
在这里插入图片描述
• data: 被包装的Tensor
• dtype: 张量的数据类型，如 torch.FloatTensor, torch.cuda.FloatTensor
• shape: 张量的形状，如(64, 3, 224, 224)
• device: 张量所在设备，GPU/CPU，是加速的关键
• requires_grad: 指示是否需要梯度
• grad: data的梯度
• grad_fn: 创建Tensor的Function，是自动求导的关键
• is_leaf: 指示是否是叶子结点（张量）

2、 Tensor直接创建

torch.tensor()
功能：从data创建tensor
在这里插入图片描述
• data: 数据, 可以是list, numpy
• dtype: 数据类型，默认与data的一致
• device : 所在设备, cuda/cpu • requires_grad：是否需要梯度
• pin_memory:是否存于锁页内存