【Pytorch】Tensor的概念及基本操作

概念

tensor是pytorch最基本的操作对象,表示的是一个多维的矩阵，核心是一个数据容器，可以将其想象成一个数字的水桶(多数情况下,它包含数字,有时候它也包含字符串，但是这种情况比较少)

Numpy与Tensor

• 原因:tensor与numpy相对应，可与numpy的ndarray相互转换。tensor可以轻易地进行卷积,激活，上下采样，微分求导等操作，而numpy数组就不行,普通的数组要先转化为tensor格式才行。
• 对比:相同:tensor内部的数据类型为ndarry类型。
  区别:1.tensor可以有加速器内存(如GPU)支持，既可以在CPU上运行也可以在GPU上运行，ndarray只能在CPU上运行；2.ndarray在CPU上运行，因此可以改变其数值；tensor的值可以驻留在GPU上加速，GPU不具有改变元素值的能力，因此tensor的值不可以改变。

Tensor的维度、形状和意义

• 维度
  维度看tensor最左边中括号的个数,若有n个,则tensor为n维度的张量。
• 形状
  张量的第一个形状要看最外面的中括号中包含了多少元素，若有n个元素，则形状的第一个元素为n1；同理，形状的第二个维度需要看第二个中括号里面包含了几个元素，若包含n2个元素，形状的第二个元素为n2.
• 意义
  对于一维的张量表示行或列向量
  对于二维的张量[n,m]表示n行m列的矩阵
  对于三维的张量[p,n,m]表示p个切片,每个切片为n行m列的矩阵
  对于四维以后的张量不知道怎么解释了…

1 # 形状为[]
[1,2,3] # 形状为[3]
[[1,2],[3,4]] # 形状为[2,2]
[[[1,2],[3,4]],[[1,2],[3,4]]] # 形状为[2,2,2]

基本操作

tensor的创建

# 根据数据直接创建
torch.tensor([2, -3.4])

tensor的切片