python深度学习基于pytorch-pytorch基础

# pytorch
# -*- coding: utf-8 -*-
# @Author  : Tangzhao
# @Blog:https://blog.csdn.net/tangzhaotz

# tensor概述
import torch
x = torch.tensor([1,2])
y = torch.tensor([3,4])
z =x.add(y)
print(z)
print(x)
x.add_(y)
print(x)
"""
ensor([4, 6])
tensor([1, 2])
tensor([4, 6])
"""

# 创建tensor
import torch
# 根据list数据生成tensor
torch.Tensor([1,2,3,4,5,6])
# 根据指定的形状生成tensor
torch.Tensor(2,3)
# 根据给定的形状生成tensor
t = torch.Tensor([[1,2,3],[4,5,6]])
# 查看tensor的形状
# t.size()
# t.shape()
# 根据已有形状创建tensor
torch.Tensor(t.size())
"""
说明：1、torch.Tensor是torch.empty和torch.tensor之间的一种混合，但是当传入的数据时，torch.Tensor使用全局默认的dtype（FloatTensor），
而torch.tensor是从数据中推断数据类型
2、torch.tensor(1)返回一个固定值1，torch.Tensor(1)返回一个大小为1的张量，它是一个随机初始化的值
"""
# import torch
# t1 = torch.Tensor(1)
# t2 = torch.tensor(1)
# print('t1的值{}，t1的数据类型{}'.format(t1,t1.type()))
# print('t2的值{}，t2的数据类型{}'.format(t2,t2.type()))
"""
t1的值tensor([0.])，t1的数据类型torch.FloatTensor
t2的值1，t2的数据类型torch.LongTensor
"""

# 修改tensor的形状
"""
常见函数：
size（）：计算张量的shape属性值，与函数shape（）等价
numel（input）：计算Tensor的元素个数
view（*shape）：修改tensor的形状，与Reshape类似，但是View返回的对象与源Tensor共享内存，修改一个另一个同时更改。reshape生成新的Tensor，
而且不要求源tensor是连续的，view（-1）展平数组
resize：类似于view，但是在size超出时会重新分配内存空间
item：若tensor为单元素，则返回python的标量
unsqueeze：在指定维度增加一个’1”
squeeze：在指定维度压缩一个“1”
"""
# 实例
# import torch