Ptyorch入门之张量

一、学习目标

• 知道张量和Pytorch中的张量
• 知道Pytorch中如何创建张量
• 知道Pytorch中张量的常见方法
• 知道Pytorch中张量的数据结构

二、张量Tensor

1、什么是张量？

张量（tensor）理论是数学的一个分支学科，在力学中有重要应用。张量这一术语起源于力学，它最初是用来表示弹性介质中各点应力状态的，后来张量理论发展成为力学和物理学的一个有力的数学工具。张量之所以重要，在于它可以满足一切物理定律必须与坐标系的选择无关的特性。张量概念是矢量概念的推广，矢量是一阶张量。张量是一个可用来表示在一些矢量、标量和其他张量之间的线性关系的多线性函数。
【取自百度百科】

2、什么是Pytorch中的张量？

在PyTorch中，张量Tensor是最基础的运算单位，与NumPy中的NDArray类似。
张量是一个统称，其中包含很多类型：

• 0阶张量：标量、常数，0-D Tensor
• 1阶张量：向量，1-D Tensor
• 2阶张量：矩阵，2-D Tensor
• 3阶张量
• …
• N阶张量

三、Pytorch中创建张量

1、使用python中的列表或者序列创建tensor

import torch
torch.tensor([[1.,-1.],[1.,-1.]])

2、使用numpy中的数组创建tensor

import numpy  as np
import torch
torch.tensor(np.array([[1,2,3],[4,5,6]]))

3、使用torch的api创建tensor

• torch.empty(3,4)创建3行4列的空tensor，会用无用的数据进行填充。
• torch.ones([3,4])创建3行4列全为1的tensor。
• torch.zeros([3,4])创建3行4列的全为0的tensor。
• torch.rand([3,4]),创建3行4列的随值的tensor，随机值的区间是[0，1)。
• torch.randint(low=0,high=10,size=[3,4])创建3行4列的随机整数的tensor，随机数的区间是[low，high]。
• torch.randn([3,4])创建3行4列的随机数的tensor，随机值的分布式均值为0，方差为1。

四、Pytorch中tensor的常用方法

1、获取tensor中的数据（当tensor中只有一个元素可用）：tensor.item()

2、转化为numpy数组

3、获取形状：tensor.size()

4、形状改变：tensor.view((3,4))。类似numpy中的reshape，是一种浅拷贝，仅仅是形状发生改变。区分转置。

5、获取维数：tensor.dim()

6、获取最大值：tensor.max()

7、转置：tensor.t()\tensor.permute()

8、tensor[1,3]:获取tensor中第一行第三列的值

9、tensor[1,3]=100：对tensor中第一行第三列的位置进行赋值100

10、tensor的切片

五、tensor的数据类型

1、获取tensor的数据类型

• tensor.dtype

2、创建数据的时候指定类型

• torch.tensor(array.dtype)
• torch.ones(array.dtype)

3、类型的修改

• tensor.float()/long()/int()