pytorch学习笔记-基础-张量

Torch基础，张量

#首先要引入相关的包
import torch
import numpy as np
torch.__version__

'1.2.0'

张量的英文是Tensor，它是PyTorch里面基础的运算单位,与Numpy的ndarray相同都表示的是一个多维的矩阵。 与ndarray的最大区别就是，PyTorch的Tensor可以在 GPU 上运行，而 numpy 的 ndarray 只能在 CPU 上运行，在GPU上运行大大加快了运算速度。

x = torch.rand(2,3)
x

tensor([[0.6243, 0.9414, 0.9387],
        [0.9347, 0.2431, 0.7243]])

#查看tensor的形状,两种方式的结果是一样的
print(x.shape)
print(x.size())

torch.Size([2, 3])
torch.Size([2, 3])

#tensor零阶是标量，一阶是向量，二阶是矩阵，三阶以上就是多为张量。下面直接用现有数字生成标量tensor
scala = torch.tensor(3.1)
print(scala)
print(scala.size())
print(scala.item())
#对于标量，可以直接使用.item()获取里面的python对象(只有一个元素一阶张量也可以用。item（）获取里面的值)
tensor = torch.tensor([3.1433223]) 
print(tensor.item())

tensor(3.1000)
torch.Size([])
3.0999999046325684
3.143322229385376

tensor的基本书记类型

1：32位浮点型 。torch.FloatTensor(默认)

2：64位整型。torch.LongTensor

3：32位整型。torch.IntTensor

4：16位整型。torch.ShortTensor

5：出了以上数字类型外还有byte和char类型

long = tensor.long()
print(long)

tensor([3])

half = tensor.half()
print(half)

tensor([3.1426], dtype=torch.float16)

int_t = tensor.int()
print(int_t)

tensor([3], dtype=torch.int32)

flo = tensor.float()
print(flo)

tensor([3.1433])

short = tensor.short()
print(short)

tensor([3], dtype=torch.int16)

ch = tensor.char()
print(ch)

tensor([3], dtype=torch.int8)

bt = tensor.byte()
print(bt)

tensor([3], dtype=torch.uint8)

numpy 转化

#把torch转化为numpy
a = torch.randn(3,2)
print(a)
numpy_a = a.numpy()
print(numpt_a)

tensor([[-0.3951,  0.3288],
        [ 0.2463,  0.0648],
        [-0.4960, -0.5525]])
[[-0.7417315   0.70448285]
 [-0.16260317 -2.5630066 ]
 [-2.62509    -0.45682326]]

#把numpy转化为torch
torch_a = torch.from_numpy(numpy_a)
print(torch_a)

tensor([[-0.3951,  0.3288],
        [ 0.2463,  0.0648],
        [-0.4960, -0.5525]])

初始化tensor

#使用【0，1】均匀分布，随机初始化二维数组
rnd = torch.rand(5,3)
rnd

tensor([[0.6725, 0.3572, 0.2056],
        [0.8898, 0.8133, 0.8364],
        [0.9718, 0.4312, 0.0609],
        [0.1034, 0.1715, 0.3022],
        [0.6989, 0.3390, 0.8654]])

#初始化，使用1填充
one = torch.ones(2,2)
print(one)
#初始化，使用0填充
zero = torch.zeros(2,2)
print(zero)

tensor([[1., 1.],
        [1., 1.]])
tensor([[0., 0.],
        [0., 0.]])

#初始化一个单位矩阵，即对角线位1，其他未0的矩阵
eye  = torch.eye(2,2)
print(eye)

tensor([[1., 0.],
        [0., 1.]])

常用的方法

x = torch.randn(3,3)
x

tensor([[ 0.1635,  0.9026,  0.8449],
        [-0.2458,  0.7157,  0.2600],
        [-0.4684, -1.2232, -0.0749]])

#延行取最大最小值
max_value,max_idx = torch.max(x,dim=1)
print(max_value,max_idx)

tensor([ 0.9026,  0.7157, -0.0749]) tensor([1, 1, 2])

#每行求和
sum_x = torch.sum(x,dim=1)
print(sum_x)

tensor([ 1.9111,  0.7299, -1.7665])

y = torch.randn(3,3)
z = x + y
print(z)

tensor([[ 0.7132,  0.4541, -2.0532],
        [-1.3002,  1.0904,  0.7578],
        [-0.5994, -2.1798, -1.1667]])

#以_结尾的方法，均会改变调用者
x.add_(y)
print(x)

tensor([[ 0.7132,  0.4541, -2.0532],
        [-1.3002,  1.0904,  0.7578],
        [-0.5994, -2.1798, -1.1667]])