Pytorch的数据操作

import torch
'''***********************
*   代码参考来自：https://github.com/ShusenTang/Dive-into-DL-PyTorch/blob/master/docs/chapter02_prerequisite/2.2_tensor.md
***********************'''
## 创建tensor
x = torch.empty(5,3)
print(x)

x = torch.rand(5,3)
print(x)

## 自定义数据类型
x = torch.zeros(5,3, dtype=torch.long)
print(x)


## 根据数据创建
x = torch.tensor([5.5, 3])
print(x)

## 通过现有的Tensor来创建
x = x.new_ones(5,3, dtype=torch.float64)# 返回的tensor默认具有相同的torch.dtype和torch.device
print(x)

x = torch.randn_like(x, dtype=torch.float)
print(x)

## 可以通过shape或者size()来获取Tensor的形状
print(x.size())
print(x.shape)
## 返回的torch.Size 是一个tuple，支持所有的tuple的操作

## Tensor的基本操作

# 加法
y = torch.rand(5,3)
print(x+y)
print(torch.add(x, y))

result = torch.empty(5,3)
torch.add(x, y, out=result)
print(result)

y.add_(x)
print(y)
# 注：PyTorch操作inplace版本都有后缀_, 例如x.copy_(y), x.t_()

## 索引
# 类似NumPy的索引操作来访问Tensor的一部分，需要注