pytorch张量创建(2)

最新推荐文章于 2024-02-27 14:48:29 发布

weixin_43751285

最新推荐文章于 2024-02-27 14:48:29 发布

阅读量349

点赞数

分类专栏： torch python

本文链接：https://blog.csdn.net/weixin_43751285/article/details/110670284

版权

python 同时被 2 个专栏收录

53 篇文章 0 订阅

订阅专栏

torch

18 篇文章 1 订阅

订阅专栏

在pytorch0.4.0之前版本中张量(tensor)仅仅具有存值功能的。如果想对其进行求导运算只有将其放入到Variable函数中才具有求到功能。
在该版本之后Variable函数的功能直接并入到tensor中。
主要需要学习的张量创建方法：


import torch
import numpy as np

# 通过 torch.tensor()创建
# 主要参数 data list或者np数组，dtype 数据类型，device 运行设备， requires_grad 是否计算梯度。
def tensor_create1():
    arr = np.ones((3,3))
    t = torch.tensor(data=arr,dtype=torch.float,device="cuda",requires_grad=True)
    print(t)

# 仅仅需要 传入 一个np数组即可
def tensor_create2():
    arr = np.ones((3,3))
    t = torch.from_numpy(arr)
    print(t)

# mean std 可以是向量和标量，所以有4种组合
def tensor_create3():
    mean = torch.tensor(1.0)
    std = torch.tensor(1.0)
    t_normal = torch.normal(mean, std)
    print("mean:{}\nstd:{}".format(mean, std))
    print(t_normal)

    mean1 = 1
    std1 = 1
    t_normal1 = torch.normal(mean1, std1,(3,3))
    print("mean:{}\nstd:{}".format(mean1, std1))
    print(t_normal1)
if __name__ == '__main__':
    tensor_create3()

由上述torch.normal()官方文档可知torch.normal()主要有以下4种传参方法。

(Tensor mean, Tensor std, *, torch.Generator generator, Tensor out)
(Tensor mean, float std, *, torch.Generator generator, Tensor out)
(float mean, Tensor std, *, torch.Generator generator, Tensor out)
(float mean, float std, tuple of ints size, *, torch.Generator generator, Tensor out, torch.dtype dtype, torch.layout layout, torch.device device, bool pin_memory, bool requires_grad)
其中 torch.Generator 可以传入随时生成种子数和设备来控制normal()函数的随机和生成数据设备。