Tensor和Autograd

Tensor

• Pytorch的tensor支持GPU加速
• 从接口的角度讲，对tensor的操作可分为两类，一类是torch.function，另一类是tensor.function
• 从存储的角度讲，对tensor的操作可分为两类，一类是不会修改自身的数据，如a.add(b)，另一 类是会修改自身的数据，如a.add_(b)。
• 函数名以_结尾都是inplace方式，即会修改调用者自己的数据
• 创建Tensor的方法：
  
• 导入包

from __future__ import print_function
import torch as t

• 声明tensor

a = t.Tensor(2,3)
a

a的数值取决于内存空间的状态

• 用list的数据创建tensor

b = t.Tensor([[1,2,3],[4,5,6]])
b

• 将tensor转为list

b.tolist()

• 获取tensor的大小

b_size = b.size()
b_size

• 获取元素总数

b.numel()

t.Tensor创建tensor时，系统不会马上分配控件，只会计算剩余的内存是否足够使用，使用到tensor时才会分配内存。

• 通过tensor.view方法可以调整tensor的形状，但必须保证调整前后元素总数一致，view不会修改自身的数据，返回的新tensor与源tensor共享内存，即更改其中一个，另外一个也会跟着改变。

a = t.arange(0,6)
a.view(2,3)

当参数中某一维为-1时，会自动计算它的大小

b = a.view(-1,3)
b

• 使用squeeze方法和unsqueeze方法添加或减少某一维度

• 使用resize修改tensor的尺寸，如果新尺寸超过了原尺寸，会自动分配新的内存空间。

• Tensor的选择函数
  

• 逐元素操作
  

• 归并操作
  

• 比较函数
  

• 线性函数