第一课：张量（Tensor）的创建和常用方法

'''首次使用，先导入PyTorch包'''
import torch
torch.__version__
#'1.10.0'

一、张量（Tensor）的基本创建及其类型

1.1张量（Tensor）函数创建方法

张量的最基本创建方法和NumPy中创建Array的格式一致，都是创建函数(序列)的格式：

张量创建函数：torch.tensor()

'''通过列表创建张量'''
t = torch.tensor([1, 2])
t
#tensor([1, 2])
 
'''通过元组创建张量'''
torch.tensor((1, 2))
#tensor([1, 2])
 
'''通过数组创建张量'''
import numpy as np
a = np.array([1, 2])
t1 = torch.tensor(a)
t1
#tensor([1, 2], dtype=torch.int32)
'''Point:通过上述返回结果，我们发现张量也有detype类型'''

1.2 张量的类型

• 整数型的数组默认创建int32（整型）类型，而张量则默认创建int64（长整型）类型
• 创建浮点型数组时，张量默认是float32（单精度浮点型），而Array则是默认float64（双精度浮点型）
• 除了数值型张量，常用的常量类型还有布尔型张量，也就是构成张量的各元素都是布尔类型的张量。

'''数组类型'''
a.dtype
#dtype('int32')
 
t.dtype
#torch.int64
 
t1.dtype
#torch.int32

np.array([1.1, 2.2]).dtype
#dtype('float64')
 
torch.tensor(np.array([1.1, 2.2])).dtype
#torch.float64
'''继承了里面这个数组'''
 
torch.tensor([1.11, 2.2]).dtype
#torch.float32

t2 = torch.tensor([True, False])
t2
#tensor([ True, False])
 
t2.dtype
#torch.bool

和数组不同，对于张量而言，数值型和布尔型张量就是最常用的两种张量类型，相关类型总结如下。

• 我们还可以通过dtype参数，在创建张量过程中设置输出结果。

'''创建int16整型张量'''
torch.tensor([1.1, 2.7], dtype = torch.int16)
#tensor([1, 2], dtype=torch.int16)
 
'''在PyTorch中也支持复数类型对象创建'''
a = torch.tensor(1 + 2j)           # 1是实部、2是虚部
a
#tensor(1.+2.j)

1.3张量类型的转化

• 张量类型的隐式转化和NumPy中array相同，当张量各元素属于不同类型时，系统会自动进行隐式转化

'''浮点型和整数型的隐式转化'''
torch.tensor([1.1, 2]).dtype 
#torch.float32
 
'''布尔型和数值型的隐式转化'''
torch.tensor([True