pytorch学习小记录（1）---tensor数据类型

pytorch学习小记录（1）---tensor数据类型

     tensor（张量），pytorch中的基本操作对象，可以看作是包含单一数据类型元素的多维矩阵。

1.tensor的创建

tensor的创建方式有很多。用表格来展示吧！

tensor的创建方式

创建方式	函数	创建结果	备注
基础Tensor函数	torch.Tensor(2,2)	tensor([[6.8296e+22, 6.6523e-33],         [2.0535e-19, 1.2271e+01]])	传入的参数是tensor的shape
指定Tensor函数类型	torch.DoubleTensor(2,2)	tensor([[0., 0.],              [0., 0.]], dtype=torch.float64)	同上
使用python的list函数	torch.Tensor([[1,2],[3,4]])	tensor([[1., 2.],             [3., 4.]])	使用python的list序列进行创建
默认值为0	torch.zeros(2,2)	tensor([[0., 0.],              [0., 0.]])	所有元素均为0
默认值为1	torch.ones(2,2)	tensor([[1., 1.],              [1., 1.]])	所有元素均为1
对角张量	torch.eye(2,2)	tensor([[1., 0.],              [0., 1.]])	对角线元素为1
随机张量	torch.randn(2,2)	tensor([[-0.0867,  0.4637],              [-1.1763, -0.3904]])	使用randn()函数，生成随机数矩阵
随机排列张量	torch.randperm(num)	tensor([2, 1, 0, 3])	生成长度为num的随机排列向量
arange函数	torch.arange(start, end,step)	tensor([1, 3, 5, 7, 9])	表示从start到end，间距为step
linspace函数	torch.linspace(start, end, steps)	tensor([ 1., 10.])	表示从start到end，一共steps份，一维向量
torch.tensor()	torch.tensor([1,2,3]）	tensor([1,2,3])	参数可以为Python的list、NumPy的ndarray等

• 使用Tensor.shape或size()函数查看Tensor的维度
• 使用Tensor.numel()或Tensor.nelement()函数查看Tensor的元素个数

a=torch.Tensor(2,2)  #创建一个两行两列的Tensor
print(a)             #输出Tensor
print( a.shape )     #输出维度
print( a.size() )    #输出维度
print( a.numel() )   #输出元素个数
print( a.nelement() )#输出元素个数

输出：

tensor([[ 1.4013e-45,  0.0000e+00],
        [-1.0517e-17,  4.5911e-41]])
torch.Size([2, 2])
torch.Size([2, 2])
4
4

2.Tensor的使用

未完待续