机器学习笔记7——张量与数据类型

张量（Tensor）

• Pytorch最基本的操作对象是Tensor（张量），它表示一个多维矩阵，张量类似于NumPy的ndarrays，张量可以在GPU上使用以加速计算。
• 构造一个随机初始化的矩阵: torch.rand;
  全 0 矩阵： torch.zeros;
  全 0 矩阵： torch.ones;
  直接从数据构造张量: torch.tensor;

• 32位浮点型：torch.float32
• 64位浮点型：torch.float64
• 32位整型： torch.int32
• 16位整型： torch.int16
• 64位整型： torch.int64
默认的数据类型为：float32，int64

.size()和.shape()都可以查看数据的形状

张量的数据类型主要分为三个部分：data、grad(计算梯度)、grad_fn函数

数据类型的转换

• Numpy转化为Tensor： torch.from_numpy(numpy矩阵)
• Tensor转化为numpy： Tensor矩阵.numpy()

• 调整张量的大小/形状，可以使用torch.view
• 单个元素张量，使用.item() 转换为python数据