Pytorch tensor基本操作

参考：https://www.bilibili.com/video/BV1H54y117ZB?p=4

理解Tensor 张量

参考：https://zhuanlan.zhihu.com/p/48982978

• 张量是一个多维数组
• 目的是创造更高维度

（1）Tensor 和 Numpy都是矩阵，区别是前者可以在GPU上运行，后者只能在CPU上；

（2）Tensor和Numpy互相转化很方便，类型也比较兼容

（3）Tensor可以直接通过print显示数据类型，而Numpy不可以

现在将三维的张量用一个正方体来表示：

这样子可以进一步生成更高维的张量：

索引

>>> import torch
>>> x = torch.randn(5,3)
>>> x
tensor([[ 0.1148, -1.2228, -1.4797],
        [ 0.3171,  0.6148, -2.0643],
        [ 0.2356,  1.5902, -1.0012],
        [-1.3349,  0.8611,  0.0101],
        [ 1.1829,  0.0138, -0.1239]])
>>> x[:,1]
tensor([-1.2228,  0.6148,  1.5902,  0.8611,  0.0138])
>>> x[:2,0]
tensor([0.1148, 0.3171])

与Numpy协同操作

>>> b = x.numpy()
>>> b
array([[ 0.11476387, -1.2228328 , -1.4797103 ],
       [ 0.3170539 ,  0.61475927, -2.0643022 ],
       [ 0.2356153 ,  1.5901951 , -1.0012366 ],
       [-1.3349295 ,  0.8611195 ,  0.01012497],
       [ 1.182945  ,  0.01377514, -0.12385403]], dtype=float32)
>>> import numpy as np
>>> a = np.ones(5)
>>> y = torch.from_numpy(a)
>>> y
tensor([1., 1., 1., 1., 1.], dtype=torch.float64)