torch学习笔记(1)——tensor常见19种创建方式

import torch
import numpy as np

'''
张量（Tensor）
tensor是一个多维数组，他是标量、向量、矩阵的高维拓展，
其中，标量是0维张量，向量是1维张量，矩阵是2维张量，RGB图像是3维张量.
tensor共有三类创建方式：直接式、基于数值式、基于概率式
'''
# 1、直接式
array = np.zeros((3, 3))
tensor1 = torch.tensor(array)  # array作为导入数据创建tensor，不共享id
tensor2 = torch.from_numpy(array)  # 基于array创建tensor。共享id
# 2、基于数值式
tensor3 = torch.zeros((3, 3))  # 不读取数据，直接创建0tensor
tensor4 = torch.zeros_like(tensor3)  # 不读取数据，直接创建与tensor3等size的0tensor
tensor5 = torch.ones((3, 3))  # 同上
tensor6 = torch.ones_like(tensor5)  # 同上
tensor7 = torch.full((3, 3), fill_value=4)  # 同上
tensor8 = torch.full_like(tensor7, fill_value=5)  # 同上
tensor9 = torch.linspace(start=1, end=10, steps=2)  # 建均分的1维张量（start，end，Steps=）
tensor10 = torch.logspace(start=1, end=10, steps=3, base=2)  # 建对数均分的1维张量（start，end，Steps=数列长度，base=对数函数的底，默认10）
tensor11 = torch.eye(n=3, m=4)  # 创建二维单位对角矩阵
# 基于概率式
tensor12 = torch.randn((3, 3))  # 生成标准正态分布（size=张量的形状）
tensor13 = torch.randn_like(tensor12)
tensor14 = torch.rand((3, 3))  # 生成在[0,1)的均匀分布
tensor15 = torch.rand_like(tensor14)
tensor16 = torch.randint(low=1, high=10, size=(3, 3))  # 生成在[low,high)的整数均匀分布（size=张量的形状）
tensor17 = torch.randint_like(tensor16, low=1, high=10)
tensor18 = torch.randperm(n=10)  # 生成0到n-1的随机排列（n=张量长度）
tensor19 = torch.bernoulli(tensor1)  # 以input为概率，生成伯努利分布（0-1分布,input表示概率值）