pytorch(三) 常用类型

Tensors 张量 一个基本概念

一、Tensors常用package

1.torch.numel

>>>
In [10]: a = torch.randn(1,2)
Out[10]:
tensor([[0.2167, 1.3228]])
>>> torch.numel(a)
2

2.torch.eye

torch.eye(n, m=None, out=None)
返回一个2维张量，对角线位置全1，其它位置全0
>>> torch.eye(3)
 1  0  0
 0  1  0
 0  0  1
[torch.FloatTensor of size 3x3]

3.torch.from_numpy

torch.from_numpy(ndarray) → Tensor
Numpy桥，将numpy.ndarray 转换为pytorch的 Tensor。 返回的张量tensor和numpy的ndarray共享同一内存空间。修改一个会导致另外一个也被修改。返回的张量不能改变大小。

In [13]:
import numpy
In [14]:
a = numpy.array([1., 2., 3.])
In [16]:
t = torch.from_numpy(a)
In [17]: t
Out[17]:
tensor([1., 2., 3.], dtype=torch.float64)

4.torch.rand
均匀分布
torch.rand(*sizes, out=None) → Tensor

返回一个张量，包含了从区间[0, 1)的均匀分布中抽取的一组随机数。张量的形状由参数sizes定义。

参数:

sizes (int…) - 整数序列，定义了输出张量的形状
out (Tensor, optinal) - 结果张量
例子：

torch.rand(2, 3)
0.0836 0.6151 0.6958
0.6998 0.2560 0.0139
[torch.FloatTensor of size 2x3]

5.torch.randn
标准正态分布
torch.randn(*sizes, out=None) → Tensor

返回一个张量，包含了从标准正态分布（均值为0，方差为1，即高斯白噪声）中抽取的一组随机数。张量的形状由参数sizes定义。

参数:

sizes (int…) - 整数序列，定义了输出张量的形状
out (Tensor, optinal) - 结果张量
例子：

torch.randn(2, 3)
0.5419 0.1594 -0.0413
-2.7937 0.9534 0.4561
[torch.FloatTensor of size 2x3]

6.torch.normal
离散正态分布
返回一个张量，包含从给定参数means,std的离散正态分布中抽取随机数。 均值means是一个张量，包含每个输出元素相关的正态分布的均值。 std是一个张量，包含每个输出元素相关的正态分布的标准差。 均值和标准差的形状不须匹配，但每个张量的元素个数须相同。

参数:

means (Tensor) – 均值
std (Tensor) – 标准差
out (Tensor) – 可选的输出张量

7.torch.linspace
线性间距向量
torch.linspace(start, end, steps=100, out=None) → Tensor

返回一个1维张量，包含在区间start和end上均匀间隔的step个点。

输出张量的长度由steps决定。