PyTorch的数据类型与创建

PyTorch的数据类型与创建

数据对比：

python	PyTorch
Int	IntTensor of size()
Float	FloatTensor of size()
Int array	IntTensor of size[d1, d2,…]
Float	FloatTensor of size [d1, d2,…]
string	没有对string的支持，可以One-hot/Embedding的编码表示

数据类型

Data type	dtype	CPU tensor	GPU tensor
32-bit floating point	torch.float32 or torch.float	torch.FloatTensor	torch.cuda.FloatTensor
64-bit floating point	torch.float64 or torch.doble	torch.DoubleTensor	torch.cuda.DoubleTensor
16-bit floating point	torch.float16 or torch.half	torch.HalfTensor	torch.cuda.HalfTensor
8-bit integer (unsigned)	torch.unit8	torch.ByteTensor	torch.cuda.ByteTensor
8-bit integer (signed)	torch.int8	torch.CharTensor	torch.cuda.CharTensor
16-bit integer (signed)	torch.short	torch.ShortTensor	torch.cuda.ShortTensor
32-bit integer (signed)	torch.int	torch.IntTensor	torch.cuda.IntTensor
64-bit integer (signed)	torch.long	torch.LongTensor	torch.cuda.LongTensor

类型检查：

In [1]: a = torch.randn(2,3)
In [2]: a.type()
out[3]: 'torch.FloatTensor'
In [4]: type(a)
out[5]: torch.Tensor
In [6]: isinstance(a, torch.FloatTensor)
out[7]: True

isinstance():检查数据是否为某种类型

标量：torch.tensor()

Pytorch0.3之前的版本dim=0会返回1tensor

dim为0,loss

dim为1,Bias; Linear Input

dim为2,Linear Input batch

dim为3,RNN Input Batch

dim为4，图片：数量，通道，高，宽。适合卷积神经网络

数组导入
a = np.array([2,3,3])
torch.from_numpy(a)
列表导入
torch.tensor([2.,3.2])
torch.FlostTensor([2.,3.2])


tensor：大写接收维度，小写接收数据。多用小写的，直接用现成的data。创建后shape不变


torch.empty()
torch.IntTensor()

rand:随机0-1之间的数据
rand_like(shape):生成指定shape的tensor
randint(mix_num,max_num,shape):指定最小值，最大值，shape，随机生成tensor.(图中第15行为：torch.randint(1,10,(3,3)) )

正态分布：randn

full:用于全部赋值为同一个数

生成递增或递减的等差数列，arrange(a,b,s),a表示起始值，b表示上限但不包括在数列中，s表示递增或递减的步长

生成等分的数列，linspacee(a,b,steps=num),a表示起始值，b表示上限但不包括在数列中，steps=num表示等分的个数

生成全为1，全为0和对角线的tensor，eye只能接收2个以下的参数

randperm:随机打散；random.shuffle:随机数种子