pytorch—张量

1.1创建张量

import torch
x=torch.rand(4,3)
x

# 用torch.zeros创建零矩阵，torch.zero_()将非零矩阵转化为零矩阵。
torch.zeros(4,3,dtype=torch.long)

torch.tensor([5.5,3])

x.new_ones(4,3,dtype=torch.double)

torch.rand_like(x,dtype=torch.float)

x.size(),x.shape  #返回一个元组

torch.normal(2,5,size=(3,4))  # 创建一个符合正态分布的张量

1.2 张量的操作

#张量的加法
y=torch.rand(4,3)
x,y,x+y,torch.add(x,y),y.add_(x),y  # 第三种方法产生新值，不会修改原值，需要inplace=True

# 索引操作（类似于numoy操作）
z=torch.rand(2,3,4)   # 三维张量（矩阵数组）
z,z[1],z[1].shape,z[1,0:2,:]  # 第二层x方向前两个维度，y方向全部。

a=torch.rand(4,3)
a,a[:,1],a[1,:]  # X方向全部，Y方向第二列

a[1,:]+=1

a  # 可以发现原值也被修改，所以在进行+=操作时，可以使用copy（）

#维度变换  torch.view只是改变看数据的角度，与原始数据共用内存，不会产生新值
import torch
x=torch.rand(3,4)
y=x.view(12)
print(y)
print('='*10)
y+=1
print(y)
print('='*10)
print(x)

z=torch.randn(1)
z.item()

1.3 广播机制

# 先适当复制元素使这两个 Tensor 形状相同后再按元素运算。
a=torch.rand(1,2)
b=torch.rand(3,1)
print(a)
print(b)
print(a+b)