目录
数据操作
在深度学习中,我们通常会频繁地对数据进行操作。作为动手学深度学习的基础,本节将介绍如何对内存中的数据进行操作。在PyTorch中,torch.Tensor是存储和变换数据的主要工具。如果你之前用过NumPy,你会发现Tensor和NumPy的多维数组非常类似。然而,Tensor提供GPU计算和自动求梯度等更多功能,这些使Tensor更加适合深度学习。
1、创建Tensor
我们先介绍Tensor的最基本功能,即Tensor的创建。
首先导入PyTorch:代码如下(示例):
import torch
创建5x3的未初始化的Tensor:
x = torch.empty(5,3)
print(x)
输出
tensor([[ 0.0000e+00, 1.5846e+29, 0.0000e+00],
[ 1.5846e+29, 5.6052e-45, 0.0000e+00],
[ 0.0000e+00, 0.0000e+00, 0.0000e+00],
[ 0.0000e+00, 0.0000e+00, 0.0000e+00],
[ 0.0000e+00, 1.5846e+29, -2.4336e+02]])
我们可以通过shape或者size()来获取Tensor的形状:
print(x.size())
print(x.shape)
有很多函数可以创建Tensor,去翻翻官方API.
2、操作
在PyTorch中,基础操作参考连接:torch的基本用法 | 超全总结_torch用法-CSDN博客