Pytorch学习笔记1

import torch

a=[1,2,3.]

type(a)

b=torch.tensor(a)

type(b)

b.dtype

import numpy as np

np.rand.normal

np.random.normal(2)

np.random.normal((2,3))

a=np.random.normal((2,3))

torch.tensor(a)

b=torch.tensor(a)

b

//构建全为1 的张量

c=torch.ones_like(b)

c

//构建全为0 的张量

c=torch.zeros_like(b)

c

//构建随机数组张量

c=torch.rand_like(b)

c

torch.rand((2,2))//元组

torch.rand([2,2])//列表

torch.rand([2,2]).dtype

a=torch.rand([2,2,])

a

a.dtype

a.shape

a.device

torch.is_tensor(a)

a=torch.tensor(1.0)

a

torch.is_nonzero(a)

a=torch.tensor(0)

torch.is_nonzero(a)

a=torch.rand([2,2,])

a

torch.numel(a)

a.shape

torch.Size([5,5])

torch.zero([5,5],dtype=torch.int32)//默认float

torch.ones_like(a)

torch.arange(5)//1,2,3,4,5

torch.range(start=0,end=5)//0.,1.,2.,3.,4.,5.

torch.eye(3)//对角线为1其余全为0 的三阶方阵

torch.full([2,2],5)//二阶全为5 的张量

torch.cat([a,b],dim=1)//在第一纬度列连接 0-1

c,d=torch.chunk(b,chunks=2)//把b分割成两个张量,按行分割

c,d=torch.chunk(b,chunks=2，dim=1)//把b分割成两个张量,按列分割

torch.reshape(b,[2,3])//把3行2列的张量变为2行3列的张量

torch.reshape(torch.reshape(b,[2,3]),[-1])//变成一维的张量

torch.reshape(torch.reshape(torch.reshape(b,[2,3]),[-1])[3,2])//还原

a=torch.arange(10).reshape(5,2)

a

torch.split(a,2)//每2行划分为一个块

torch.split(a,[1,4])//按列表纬度划分，第一块行数是1，第二块行数是4

//chunk只能均分

b.shape

b.reshape(b,[3,1,2])

torch.squeeze(b.reshape(b,[3,1,2]))//把1的维度移除

torch.reshape(b,[3,1,2,1,1])

torch.squeeze(torch.reshape(b,[3,1,2,1,1]),dim=1).shape//把第一个维度挤掉3，2，1，1

a[3*2] b[3*2]

torch.stack([a,b])

torch.stack([a,b]).shape//[2,3,2]

torch.stack([a,b],dim=1).shape//[3,2,2]

take//铺平成一维张量

tile/拷贝

x=torch.tensor([1,2,3])

x.tile(2)//[1,2,3,1,2,3]

y=torch([[1,2],[3,4]])

torch.tile(y,(2,2))//行复制2次，列复制两次

//[1,2,1,2]

[3,4,3,4]

[1,2,1,2]

[3,4,3,4]

transpose(a,0,1)//转置同transpose(a,1,0)

torch.unbind(a,dim=0)//按某个维度将张量拆分

a.shape//[2,3,4]

torch.unsqueeze(a,dim=0).shape//[1,2,3,4]

torch.unsqueeze(a,dim=1).shape//[2,1,3,4]

torch.unsqueeze(a,dim=-1).shape//[2,1,3,1]最后一个维度是1

a=torch.rand(2,2)

b=torch.zeros_like(a)

torch.where(a>0.5,a,b)//a中>0.5的元素保留到b，否则返回a的元素

torch.normal//正太分布

rand//[0,1)

randperm(n)//上界为n的0-（n-1）随机排列