代码
import torch
# 标量由只有一个元素的张量表示
x = torch.tensor([3.0])
y = torch.tensor([2.0])
print(x+y)
print(x*y)
print(x/y)
print(x**y)
# 可以将向量视为标量值组成的列表
x = torch.arange(4)
print(x)
# 通过张量的索引来访问任一元素
print(x[3])
# 访问张量的长度
print(len(x))
# 只有一个轴的张量,形状只有一个元素
print(x.shape)
# 创建一个矩阵
A = torch.arange(20).reshape(5, 4)
print(A)
# 矩阵的转置
print(A.T)
# 对称矩阵A等于其转置
B = torch.tensor([[1, 2, 3],[2, 0, 4],[3, 4, 5]])
print(B)
print(B==B.T)
# 可以构建具有更多轴的数据结构(2个维度,3行,4列)
X = torch.arange(24).reshape(2, 3, 4)
print(X)
# 给定具有相同形状的任何两个张量,任何按元素二元运算的结果都将是相同形状的张量
A = torch.arange(20, dtype=torch.float32).reshape(5, 4)
B =A.clone() # 通过分配新内存,将A的一个副本分配给B
print(A)
print(A+B)
# 两个矩阵的按元素乘法称为 哈达玛积,数学符号 ⊙
print(A * B)
# 一个张量和所有元素相加
a = 2
X = torch.arange(24).reshape(2, 3, 4)
print(a+X)
# 计算元素的和(sum永远是一个标量)
x = torch.arange(4, dtype=torch.float32)
print(x)
print(x.sum())
# 按维度求和
print(X)
print(X.shape)
X = X.sum(axis=0)
print(X)
print(X.shape)
# 计算总和或均值时保持轴数不变
sum_X = X.sum(axis=1, keepdims=True)
print(sum_X)
# 点积是相同位置的按元素乘积的和
y = torch.ones(4, dtype=torch.float32)
print(x)
print(y)
print(torch.dot(x, y))