本文介绍了PyTorch中的张量基本概念，包括张量的创建方法，如torch.tensor()、torch.from_numpy()，以及如何通过数值创建不同类型的张量。此外，还详细阐述了张量的操作，如拼接、切分，以及各种变换方法，如transpose()、permute()、squeeze()、unsqueeze()和reshape()。这些操作对于理解和使用PyTorch构建深度学习模型至关重要。
张量基本概念
张量是一个高维数组
在 pytorch0.4.0之前，torch.autograd 包中存在 Variable 这种数据类型，主要是用于封装 Tensor，进行自动求导 。
构建神经网络的计算图时，需用torch.autograd.Variable将Tensor包装起来，形成计算图中的节点。backward()自动计算出所有需要的梯度。来针对某个变量执行grad获得想要的梯度值。
import torch
from torch.autograd import Variable
x=Variable(torch.randn(2,2),requires_grad=True)
y=x+3
z=y*y*3
out=z.mean()
out.backward()
print(x.grad)Variable具有以下几个属性。
在 PyTorch 0.4.0 之后，Variable 并入了 Tensor。在之后版本的 Tensor 中，除了具有上面 Variable的5个属性，还有另外3个属性。
订阅专栏 解锁全文
扫一扫
576
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
