2.2 Tensor的创建

欢迎订阅本专栏：《PyTorch深度学习实践》
订阅地址：https://blog.csdn.net/sinat_33761963/category_9720080.html

• 第二章：认识Tensor的类型、创建、存储、api等，打好Tensor的基础，是进行PyTorch深度学习实践的重中之重的基础。
• 第三章：学习PyTorch如何读入各种外部数据
• 第四章：利用PyTorch从头到尾创建、训练、评估一个模型，理解与熟悉PyTorch实现模型的每个步骤，用到的模块与方法。
• 第五章：学习如何利用PyTorch提供的3种方法去创建各种模型结构。
• 第六章：利用PyTorch实现简单与经典的模型全过程:简单二分类、手写字体识别、词向量的实现、自编码器实现。
• 第七章利用PyTorch实现复杂模型：翻译机（nlp领域）、生成对抗网络（GAN)、强化学习(RL)、风格迁移（cv领域）。
• 第八章：PyTorch的其他高级用法：模型在不同框架之间的迁移、可视化、多个GPU并行计算。

---

2.2.1 与numpy的交互

可以将numpy的ndarray直接转换成tensor

import numpy as np
import torch

a = np.array([1,2,3,4,5])
t = torch.from_numpy(a)
print(t)

tensor([1, 2, 3, 4, 5], dtype=torch.int32)

自然，也可以将tensor转换我numpy

a = t.numpy()
print(a)

[1 2 3 4 5]

2.2.2 创建指定值的tensor

创建3*4大小的值都未0的向量，其中括号中的参数为tensor的size

t = torch.zeros(3,