pyTorch基础学习之一

一、Tensor

Tensor表示的是一个多维的矩阵。PyTorch的Tensor可以和numpy的ndarray相互转换，但是PyTorch可以在GPU上面运行，而numpy的ndarray只能在CPU上运行。

1、常用的数据类型
（1）torch.FloatTensor：用于生成数据类型为浮点型的Tensor，传递给torch.FloatTensor的参数可以是一个列表，也可以是一个维度值。

（2）torch.IntTensor：用于生成数据类型为整型的 Tensor，传递 给 torch.IntTensor的参数可以是一个列表，也可以是一个维度值。

（3）torch.rand：用于生成数据类型为浮点型且维度指定的随机 Tensor，和在NumPy中使用numpy.rand生成随机数的方法类似，随机生 成的浮点数据在0～1区间均匀分布。

（4）torch.randn：用于生成数据类型为浮点型且维度指定的随机 Tensor，和在NumPy中使用numpy.randn生成随机数的方法类似，随机生 成的浮点数的取值满足均值为0、方差为1的正太分布

（5）torch.range：用于生成数据类型为浮点型且自定义起始范围 和结束范围的Tensor，所以传递给torch.range的参数有三个，分别是范围的起始值、范围的结束值和步长，其中，步长用于指定从起始值到结 束值的每步的数据间隔。

（6）torch.zeros：用于生成数据类型为浮点型且维度指定的 Tensor，不过这个浮点型的Tensor中的元素值全部为0

import torch
a = torch.FloatTensor(2,3)
b = torch.FloatTensor([2,3,4,5])
c = torch.IntTensor(2,3)
d = torch.IntTensor([2,3,4,5])
e = torch.rand(2,3)
f = torch.randn(2,3)
h = torch.zeros(3,4)

输出：
tensor([[-2.7962e+10,  6.6562e-43,  1.4013e-45],
        [ 0.0000e+00,  0.0000e+00,  0.0000e+00]])
        
tensor([2., 3., 4., 5.])

tensor([[6357102, 72745