torch常用操作

1、torch的属性

假设y是tensor类型张量

方法	作用	示例
is_tensor	张量是tensor类型返回True	torch.is_tensor(y)
numel	返回输入张量元素的总数	y.numel()
shape	返回输入张量的形状	y.size()
size	返回输入张量的形状	y.shape
dtype	返回输入张量元素的类型	y.dtype

2、创建torch的操作(⭐为最常用)

方法	作用	示例
⭐tensor	用输入数据创建张量(同np的array方法)	torch.tensor([[1,2],[3,4]])
as_tensor	将数据转变为张量	torch.as_tensor(x)
from_numpy	从numpy.ndarray类型创建张量	torch.from_numpy(x)
⭐zeros	返回全0张量，形状为参数	torch.zeros(3,4)
zeros_like	返回和输入形状一样的全0张量	torch.zeros_like(x.shape)
⭐ones	返回全1张量，形状为参数	torch.ones(3,4)
ones_like	返回和输入形状一样的全1张量	torch.ones_like(x.shape)
⭐arange	生成数值为范围内数的张量	torch.arange(12).reshape(3,4)
range	类似arange	torch.range(0,12,2)
linspace	生成一维张量，从strat到end均分为step份	torch.linspace(0,12,10)
eye	生成主对角线都是1的张量矩阵	torch.eye(4,4)

3、torch的变换操作

方法	作用	示例
cat	在规定维度上连接两个张量	torch.cat((x,y),dim=0)
reshape	重塑张量形状	x.reshape(3,4)
T	转置	x.T
take	将张量展平，取出对应索引的张量组成新的张量	torch.take(y,torch.tensor([0,1]))
item	将张量转换为标量(类似asscalar)	x.item()

4、torch的随机数生成

方法	作用	示例
normal	正态分布	torch.normal(mean=0,std=1,size=(3,4))
randn	标准正态分布	torch.randn(size=(3,4))
randint	随机整数	torch.randint(0,12,size=(3,4))
rand	0-1上均匀分布	torch.rand(size=(3,4))

5、torch的数学操作

方法	作用	示例
abs	各元素绝对值	torch.tensor([[1,2],[3,4]])
exp	各元素指数	torch.as_tensor(x)
log	各元素log2	torch.from_numpy(x)
log10	各元素log10	单元格

6、torch的梯度操作

张量是否保留梯度信息由torch.no_grad(), torch.enable_grad(), and torch.set_grad_enabled()等决定.
1、在梯度计算前要有保存梯度的地方

#mxnet
x.attach_grad()
#pytorch
x.requires_grad_(True) 

2、计算y

#mxnet
with autograd.record():
	y = net(x)
y.backward()
#pytorch
y = net(x)

梯度信息此时已保留在x.grad中

7、torch的取值操作

通过指定axis=0，可以让其在维度0上进行相应操作

方法	作用
argmax	Returns the indices of the maximum value of all elements in the input tensor.
argmin	Returns the indices of the minimum value(s) of the flattened tensor or along a dimension
max	Returns the maximum value of all elements in the input tensor.
mean	Returns the mean value of all elements in the input tensor.
norm	Returns the matrix norm or vector norm of a given tensor.
sum	Returns the sum of all elements in the input tensor.