张量的创建、属性及运算

 1. 张量的创建

import numpy as np

• 标量（0D 张量）

x = np.array(1)
print(x)
print(x.ndim)

1
0

•  向量（1D 张量）

y = np.array([1,2,3])
print(y)
print(y.ndim)

[1 2 3]
1

•  矩阵（2D 张量）

z = np.array([[1,2,3],
              [4,5,6],
              [7,8,9]])
print(z)
print(z.ndim)

[[1 2 3]
 [4 5 6]
 [7 8 9]]
2

•  3D 张量

# 三维张量中，每一个元素都是一个二维的矩阵
n_z= np.array([z,z*2,z*3])        
print(n_z)
print(n_z.ndim)

[[[ 1  2  3]
  [ 4  5  6]
  [ 7  8  9]]

 [[ 2  4  6]
  [ 8 10 12]
  [14 16 18]]

 [[ 3  6  9]
  [12 15 18]
  [21 24 27]]]
3

2. 张量的属性

• 张量的形状

z.shape

(3, 3)

注：z.shape可以看做一个一维向量(3,3,3)，利用 z.shape[] 遍历张量 z 的行和列，实现循环。

举个栗子：

#将张量array1复制给张量array2
array1 = np.array( [[1,2,3],[4,5,6],[7,8,9]] )
array2 = array1.copy()
for i in range(array1.shape[0]):
    for j in range(array1.shape[1]):
        array2[i, j] = array1[i, j]
print(array2)

• 张量的类型 

z.dtype

dtype('int32')

• 张量的维度

z.ndim

2

•  元素个数

z.size

9

•  内存所占字节数

z.itemsize

4

3. 张量的运算

•  逐项运算

对应相同位置上的运算

import numpy as np
a = np.array([[1,2],
              [1,1]])
b = np.array([[2,3],
              [4,5]])
print(a + b)
print(a * b)

array([[3, 5],
       [5, 6]])
array([[2, 6],
       [4, 5]])

• 扩大倍数

a*5

array([[5, 10],
       [5, 5]])

•  点积

np.dot(a,b)

array([[10, 13],
       [ 6,  8]])

• 转置 

np.transpose(a)

array([[1, 1],
       [2, 1]])