PyTorch Tensor(二) 常见命令

Tensor常见命令

1.创建操作

1.1 torch.eye

返回一个2维张量，对角线位置全1，其它位置全0，返回值类型Tensor

torch.eye(n, m=None, out=None)

参数：

• n (int ) – 行数
• m (int, optional) – 列数.如果为None,则默认为n
• out (Tensor, optinal) - Output tensor

torch.eye(3)

tensor([[1., 0., 0.],
        [0., 1., 0.],
        [0., 0., 1.]])

1.2 torch.linspace

torch.linspace(start, end, steps=100, out=None) → Tensor

返回一个1维张量，包含在区间start 和 end 上均匀间隔的steps个点。 输出1维张量的长度为steps。注意steps不是步长。

参数：

• start (float) – 序列的起始点
• end (float) – 序列的最终值
• steps (int) – 在start 和 end间生成的样本数
• out (Tensor, optional) – 结果张量

torch.linspace(3, 12, steps=5)

tensor([ 3.0000,  5.2500,  7.5000,  9.7500, 12.0000])

1.3 torch.rand和torch.randn

rand是[0,1)均匀分布，randn是标准正太分布

torch.rand(*sizes, out=None) → Tensor
torch.randn(*sizes, out=None) → Tensor

形状由可变参数size确定

x = torch.rand(2,2)
x

tensor([[0.9483, 0.6083],
        [0.0579, 0.0638]])

y = torch.randn(3,3)
y

tensor([[ 0.3220, -2.4360, -0.0790],
        [-0.1366, -0.5444,  1.4342],
        [ 0.7295, -1.3341,  0.2022]])

类似的ones,zeros用法跟上面一样。

1.4 torch.arange() 和torch.range()

torch.arange(start, end, step=1, out=None) → Tensor
torch.range(start, end, step=1, out=None) → Tensor

返回一个1维张量，长度为 floor((end−start)/step)。包含从start到end，以step为步长的一组序列值(默认步长为1)
参数：

• start (float) – 序列的起始点
• end (float) – 序列的最终值
• step (int) – 相邻点的间隔大小【步长】
• out (Tensor, optional) – 结果张量
  建议使用torch.arange(),另外，python讲究左闭右开

torch.arange(1,50,10)

tensor([ 1, 11, 21, 31, 41])

2.切片，索引，连接，换位

2.1 torch.cat()

torch.cat(inputs, dimension=0) → Tensor

在给定维度上对输入的张量序列seq 进行连接操作。
参数：

• inputs (sequence of Tensors) – 可以是任意相同Tensor 类型（float,long,duoble）python 序列
• dimension (int, optional) – 沿着此维连接张量序列

## 例子 
x = torch.randn(1,3)
x

tensor([[-0.0675, -0.5289, -0.3090]])

y = torch.cat((x,x,x),0)
y

tensor([[-0.0675, -0.5289, -0.3090],
        [-0.0675, -0.5289, -0.3090],
        [-0.0675, -0.5289, -0.3090]])

z = torch.cat((x,x,x),1)
z

tensor([[-0.0675, -0.5289, -0.3090, -0.0675, -0.5289, -0.3090, -0.0675, -0.5289,
         -0.3090]])

torch.chunk(),torch.gather(),torch.index_select(),torch.masked_select()查看官方文档：https://pytorch-cn.readthedocs.io/zh/latest/package_references/torch/

2.2 torch.squeeze

torch.squeeze(input, dim=None, out=None)

将输入张量形状中的1去除并返回。 如果输入是形如(A×1×B×1×C×1×D)，那么输出形状就为： (A×B×C×D)

当给定dim时，那么挤压操作只在给定维度上。例如，输入形状为: (A×1×B), squeeze(input, 0)将会保持张量不变，只有用 squeeze(input, 1)，形状会变成 (A×B)。

注意： 返回张量与输入张量共享内存，所以改变其中一个的内容会改变另一个。

参数：

• input (Tensor) – 输入张量
• dim (int, optional) – 如果给定，则input只会在给定维度挤压
• out (Tensor, optional) – 输出张量

# 例
x = torch.ones(2,1,2,1,2)
x.size()

torch.Size([2, 1, 2, 1, 2])

y = torch.squeeze(x)
y.size()

torch.Size([2, 2, 2])

y = torch.squeeze(x, 0)
y.size()

torch.Size([2, 1, 2, 1, 2])

y = torch.squeeze(x, 1)
y.size()

torch.Size([2, 2, 1, 2])

2.3 torch.unsqueeze()

torch.unsqueeze(input, dim, out=None)

返回一个新的张量，对输入的指定位置插入维度 1

注意： 返回张量与输入张量共享内存，所以改变其中一个的内容会改变另一个。

# 例
x = torch.Tensor([1,2,3]) # 这里tensor小写大写没有区别
y = torch.unsqueeze(x,0)
z = torch.unsqueeze(x, 1)
print(y)
print(z)

tensor([[1., 2., 3.]])
tensor([[1.],
        [2.],
        [3.]])

2.4 torch.t 和transpose 实现转置

z

tensor([[1.],
        [2.],
        [3.]])

torch.t(z)

tensor([[1., 2., 3.]])

参考：
PyTorch中文文档