pytorch（三）——Tensor张量的运算

注：以下均基于导入库

import torch
import torch as t
import torch.nn as nn
import torch.nn.functional as F

• 构造方法

    常用函数

• .reshape()#变形

• .size()#返回大小

• .dim()#返回维度，即size返回的数据条目个数

• .numel()#返回元素个数，即size返回条目之积

• .dtype#查看元素类型，int默认torch.int64，bool默认torch.uint8，float默认touch.float32

• 常用计算

• .repeat() 重复

• 增减维度unsqueeze 、squeeze（不改变元素位置）

a=torch.Tensor([[1,2,3],[4,5,6]])
print(a.size())#torch.Size([2, 3])

b=a.unsqueeze(2)#括号里为维度增加的位置
print(b.size())#torch.Size([2, 3, 1])

c=b.squeeze(-1)#去维度
print(c.size())#torch.Size([2, 3])

• .sequeeze()可消除张量大小中大小为1的维度

• .unsqueeze()可增加以下大小为0的维度

• permute()/transpose()/t()张量的交换、张量的转置、二维张量转置

• 

• Tensor连接cat

a=torch.Tensor([[1,2,3],[4,5,6]])
d=torch.ones([2,3])
e=torch.cat([a,d],1)
print(e)
print(torch.cat([a **i for i in range(3)],1))
#result:
# tensor([[1., 2., 3., 1., 1., 1.],
#         [4., 5., 6., 1., 1., 1.]])
# tensor([[ 1.,  1.,  1.,  1.,  2.,  3.,  1.,  4.,  9.],
#         [ 1.,  1.,  1.,  4.,  5.,  6., 16., 25., 36.]])

• 大于某个值ge

a=torch.Tensor([[1,2,3],[4,5,6]])
b=torch.Tensor([0.3,0.40,0.6,0.8,0.1])
print(b.ge(0.5))#tensor([0, 0, 1, 1, 0], dtype=torch.uint8)
print(b.ge(0.5).float())#tensor([0., 0., 1., 1., 0.])
cor=((b.ge(0.5).float()==torch.ones(5)).sum())
print(cor)#tensor(2)
print(b.size(),b.size(0))#torch.Size([5]) 5

加法

数据类型转换

tensor->numpy   .numpy()

numpy->tensor  torch.numpy(X)

import torch
a=torch.eye(2,3)
print(a)
'''
tensor([[1., 0., 0.],
        [0., 1., 0.]])
'''
a.add_(1)
print(a)
'''
tensor([[2., 1., 1.],
        [1., 2., 1.]])
'''
b=a.numpy()
print(type(b))   # <class 'numpy.ndarray'>
c=torch.from_numpy(b)
print(type(c))   # <class 'torch.Tensor'>