基于PyTorch的深度学习系列教程(二)：认识Tensor

1、Tensor基本介绍

Tensor是PyTorch中最为重要的一种数据结构。张量是向量、矩阵等更普遍的高阶表达形式，与numpy中的array基本等同，使用方法也非常类似。

2、Tensor使用方法

1. 创建Tensor

import torch
import numpy as np
#定义Tensor
tensor = torch.Tensor([[1,2,3],[4,5,6]])
#定义array
arr = np.array([[1,2,3],[4,5,6]])

以上为定义Tensor和numpy中的array的方法，可以看到两者非常类似。

2. Tensor的属性

Tensor有三个主要属性，分别是 torch.dtype, torch.device, torch.layout。torch.dtype表示当前矩阵的数据类型，torch.device表示当前矩阵所在的设备，可以是CPU和GPU。torch.layout表示当前矩阵的内存布局，可为torch.stried或torch.sparse_coo。

3. 数据类型

数据类型	torch.dtype	np.dtype
8 位无符号整型	torch.uint8	np.uint8
8 位有符号整型	torch.int8	np.int8
16 位有符号整型	torch.int16 / torch.short	np.int16
32 位有符号整型	torch.int32 / torch.int	np.int32
64 位有符号整型	torch.int64 / torch.long	np.int64
16 位浮点型	torch.float16 / torch.half	np.float16
32 位浮点型	torch.float32 / torch.float	np.float32
64 位浮点型	torch.float64 / torch.double	np.float64

以上为Tensor的主要数据类型以及numpy中的对应类型，其中PyTorch默认的数据类型为torch.float。数据类型转换方法如下:

#将tensor转成uint8的两种方法，其他类型依此类推
tensor2 = tensor.uint8()
tensor2 = tensor.type(torch.uint8())
#numpy中的转换方法
arr2 = arr.astype(np.uint8)

4. 常用函数

#创建全0矩阵
torch.zeros(256,256)
np.zeros((256,256))

#创建全1矩阵
torch.ones(256,256)
np.ones((256,256))

#矩阵拼接
torch.cat((a,b), dim=0)
np.concatenate((a,b), axis=0)

#矩阵降维
torch.squeeze(a, dim=0)
np.squeeze(a, axis=0)

#矩阵升维
torch.unsqueeze(a, dim=0)
np.expand_dims(a, axis=0)

以上为PyTorch和numpy中常用函数的示例，我们可以再次看到，Tensor与array的操作十分类似，熟悉numpy的开发者可以很快掌握Tensor的用法。此后，在其他文章中会详细介绍这些函数的用法。