PyTorch实践(一)

基本数据类型

torch中所有的数据类型都为tensor(张量)
dim为维度，size为某一维的数量

创建tensor

从numpy中创建

torch.from_numpy()

从list中导入

torch.tensor(list)

uninitialized

Torch.empty()
Torch.FloatTensor(d1,d2,d3)
Torch.IntTensor(d1,d2,d3)

初始化

函数	作用
torch.rand(shape)	从0~1中初始化
torch.rand_like(t)	输入一个tensor,生成相同维度的tensor
torch.randint(min,max,(shape))	生成只含有整数的tensor
torch.randn(shape)	0~1之间正态分布
torch.full([shape],number)	生成一个全为相同数的tensor
torch.arrange(min,max,interval)	生成等差数列的tensor
torch.linspace(min,max,numberl)	等分成number个数
torch.ones()	全1
torch.zeros()	全0
torch.eye()	对角矩阵
torch.randperm.()	返回一个0到n-1的数组

tensor维度变换

函数	作用
torch.view()	重构张量的维度
torch.reshape()
torch.squeeze(pos)	主要对数据的维度进行压缩，去掉维数为1的的维度
torch.unsqueeze(pos)	主要是对数据维度进行扩充,给指定位置加上维数为一的维度
torch.expand()	返回tensor的一个新视图，单个维度扩大为更大的尺寸
torch.repeat()	沿着特定的维度重复这个张量，和expand()不同的是，这个函数拷贝张量的数据(更改memory,不建议使用)
torch.transpose()	交换两个维度
torch.permute()	将tensor的维度换位(permute相当于可以同时操作于tensor的若干维度，transpose只能同时作用于tensor的两个维度)
torch.contiguous()	view只能作用在contiguous的variable上，如果在view之前调用了transpose、permute等，就需要调用contiguous()来返回一个contiguous copy