Pytorch使用 —— Tensor

张量tensor

• 0阶张量：标量，[0]，转置就是本身
• 1阶张量：向量，[0,1,2,3]，转置就是本身
• 2阶张量：矩阵，[ [0,1,2],[3,4,5] ]，存在转置
• 3~N阶张量：高维数据集，存在转置

tensor的创建方法

使用列表

t1 = torch.tensor([1., 2., 3.]) #1.表示float类型的数据1

使用numpy.array

array1 = np.array([1.0, 2.0], [3.0, 4.0])
#使用如下两种方法，将array转换为tensor
t1 = torch.tensor(array1)
t2 = torch.from_numpy(array1)

使用内置方法生成

torch.empty(3,4) 创建3行4列的空tensor，其中数据随机
torch.ones([3,4]) 创建3行4列全为1的tensor
torch.zeros([3,4]) 创建3行4列全为0的tensor
torch.rand([3,4]) 创建3行4列的随机值tensor，随机值区间为[0, 1)
torch.randint(low = 0, high = 10, size = [3,4]) 创建3行4列的随机整数tensor，随机区间是[low, high)
torch.randn([3,4]) 创建3行4列的随机值tensor，随机值分布式均值为0，方差为1

tensor的使用方法

• 获取值

  • tensor.item()
    针对仅存在1个元素的tensor，可以直接使用tensor.item()输出一个该元素的float值

  • tensor.data
    获取不带有grad的tensor数据，可用于转化numpy()

  • tensor.detach()
    获取不带有grad的tensor数据，可用于转换numpy()

• 从numpy转化tensor

  • tensor.numpy() 可以将tensor转化为numpy

• 获取tensor形状

  • tensor.size()

  • tensor.shape()

• 改变tensor形状

  • tensor.view((3,4))，类似于numpy.reshape，是一种浅拷贝，仅仅是形状发生改变，view需要确保转换前后数据量相等

• 获取tensor阶数

  • tensor.dim() 获取阶数

• 获取最大最小元素值

  • tensor.max() 获取最大值

  • tensor.min() 获取最小值，格式为0阶tensor

• 转置

  • tensor.T：获取全转置变量

  • tensor.transpose() ：转置指定对象

  • tensor.permute() ：转置指定对象

• 取值

  • tensor[1,:,:] 获取第一个维度的第二个集合

  • tensor[1,2,3]获取指定元素