1.张量的创建
#创建一个5*3的张量,此张量未被初始化
x=torch.Tensor(5,3)
#创建一个随机产生的5*3的张量,张量里面的数据是位于0-1之间的
y=torch.rand(5,3)
#创建一个3x3的张量,且张量里面的内容大小位于0-10,下面这个函数里面,第一个参数代表张量里面的最小值,第二个参数代表张量里的最大值,第三个参数代表张量的形状
y=torch.randint(1,10,(3,3))
#创建一个均值为0,方差为1的3x4的张量
y=torch.randn(3,4)
#创建一个内容全为0的5*3的张量
t=torch.zeros(5,3)
#创建一个内容全为1的5*3的张量
q=torch.ones(5,3)
#直接利用数据构建张量
p=torch.Tensor([[1,2,3],
[4,5,6]])
张量的创建依据上面的格式来创建就好。
2.张量的形状、行数、列数
#得到一个张量的形状:张量.size()
q=torch.ones(5,3)
print(q.size())
#我们使用torch.size()还可以获得张量各个维度数值个数,例如对于一个二维矩阵来说
#得到张量的行数:张量.size(0)
print(q.size(0))
#得到张量的列数:张量.size(1)
print(q.size(1))
#dim()获得张量的维度
q.dim()
#max():返回张量里面的最大值
#min():返回张量里面的最小值
#t():对于二维的张量来说,这个函数是用来转置,当函数有超过两个维度的时候,使用transpose()方法,transpose中的参数表示哪两个维度进行交换
3.张量的加法操作
x=torch.rand(5,3)
y=torch.ones(5,3)
#x+y不会对原来的x和y产生影响,它返回一个张量,这个张量的值等于x+y
t=x+y
print(t)
#这种计算方式同上
q=torch.add(x,y)
print(q)
#这种也可以计算x+y的值,但是这种会改变y的值,它是将原来x+y的结果放到y上了
y.add_(x)
print(y)
注意:任何in-place的操作都会以_结尾,比如x.copy_(y)也会改变x
4.索引
:代表的是所有
x=torch.rand(5,3)
print(x)
#取出x张量中索引值为1的那一列
y=x[:,1]
print(y)
#取出x张量中,索引值为0的那一行
t=x[0,:]
print(t)
还有0:2这种的,0:2与:2相同,只不过表示从0开始可以省略0。表示0 1
import torch
x=torch.randn(5,3)
print(x)
#下面这句代码表示y截取x的前两行和前两列
y=x[0:2,0:2]
print(y)
5.改变张量的维度
使用view来改变张量的维度
x=torch.rand(5,3)
print(x)
#将原来的张量改变成1*15的张量
y=x.view(15)
print(y)
#将原来的张量的行数变成3,列数根据张量中的数据计算得到
t=x.view(3,-1)
6.常用方法
import torch
import numpy as np
x=torch.rand(5,3)
print(x)
#将张量转化为numpy
y=x.numpy()
print(y)
#将numpy转化成张量
t=torch.from_numpy(y)
print(t)
#item():对于只有一个元素的张量来说,我们使用item()可以获得这个张量中的元素的大小
#在python中有items()方法,我们使用items()方法可以获得字典里面的键值对
y=torch.randn(1,1)
print(y.item())