pytorch自学手册（1）——张量及torch工具包和常用张量操作语句总结

What is Tensor？

Tensor:一个多维数组，是标量、向量、矩阵的高维拓展，通常一维的张量就是我们所谓的向量，二维的张量就是我们所谓的矩阵，再往后拓展多维的我们就称之为张量。

Torch工具包

import torch ：张量的有关运算。如创建、索引、连接、转置、加减乘除、切片等

1.创建：

（1）

torch.tensor()

功能：从data创建tensor
• data: 数据, 可以是list, numpy
• dtype : 数据类型，默认与data的一致
• device : 所在设备, cuda/cpu
• requires_grad：是否需要梯度
• pin_memory：是否存于锁页内存
（2）
还可以按照数值创建：

torch.zeros()

功能：依size创建全0张量
• size: 张量的形状, 如(3, 3)、(3, 224,224)
• out : 输出的张量
• layout : 内存中布局形式, 有strided,sparse_coo等
（3）
还可以创建单位对角矩阵：

torch.eye(n,m=None,out=None,dtype=None,layout=torch.strided,device=None,requires_grad=False) 

功能：创建单位对角矩阵。注意：默认为方阵
• n: 矩阵行数
• m : 矩阵列数
（4）

torch.normal(mean,std,out=None)

功能：生成正态分布（高斯分布）
• mean : 均值
• std : 标准差
（5）

torch.randn(*size，out=None,dtype=None,layout=torch.strided,device=None,requires_grad=False)

功能：生成标准正态分布
• size : 张量的形状

2.连接

torch.cat(tensors,
          dim=0,
          out=None)

功能：将张量按维度dim进行拼接
• tensors: 张量序列
• dim : 要拼接的维度

torch.stack(tensors,
            dim=0,
            out=None) 

功能：在新创建的维度dim上进行拼接
• tensors:张量序列
• dim :要拼接的维度

3.切分

torch.chunk(input,
            chunks,
            dim=0)

功能：将张量按维度dim进行平均切分，返回张量列表。若不能整除，最后一份张量小于其他张量
• input: 要切分的张量
• chunks : 要切分的份数
• dim : 要切分的维度

torch.split(tensor,
            split_size_or_sections,
            dim=0)

功能：将张量按维度dim进行切分，返回张量列表
• tensor: 要切分的张量
• split_size_or_sections : 为int时，表示每一份的长度；为list时，按list元素切分
• dim : 要切分的维度

4.索引

torch.index_select(input,
                   dim,
                   index,
                   out=None)

功能：在维度dim上，按index索引数据
• input: 要索引的张量
• dim: 要索引的维度
• index : 要索引数据的序号

5.变换

torch.reshape(input,
              shape)

功能：变换张量形状
• input: 要变换的张量
• shape: 新张量的形状

torch.transpose(input,
                dim0,
                dim1)

功能：交换张量的两个维度
• input: 要变换的张量
• dim0: 要交换的维度
• dim1: 要交换的维度

6.转置

torch.t(input)

7.压缩

torch.squeeze(input,
              dim=None,
              out=None)

功能：压缩长度为1的维度（轴）
• dim: 若为None，移除所有长度为1的轴；若指定维度，当且仅当该轴长度为1时，可以被移除；

torch.usqueeze(input,
               dim,
               out=None)

功能：依据dim扩展维度
• dim: 扩展的维度

8.加减乘除等运算

加减乘除：

torch.add()
torch.addcdiv()
torch.addcmul()
torch.sub()
torch.div()
torch.mul()

对数，指数，幂指数：

torch.log(input, out=None)
torch.log10(input, out=None)
torch.log2(input, out=None)
torch.exp(input, out=None)
torch.pow()

三角函数：

torch.abs(input, out=None)
torch.acos(input, out=None)
torch.cosh(input, out=None)
torch.cos(input, out=None)
torch.asin(input, out=None)
torch.atan(input, out=None)
torch.atan2(input, other, out=None)