Pytorch深度学习入门--张量与基本数据类型

张量与基本数据类型

Tensor 张量

Pytorch最基本的操作对象是Tensor(张量)，它表示一个多维矩阵，张量类似于Numpy的ndarrays，张量可以在GPU上使用以加速计算。

构造张量

torch.rand 随机初始化的矩阵
torch.zeros 全0矩阵
torch.ones 全1矩阵
torch.tensor 从数据构造张量
例：torch.tensor([1,2,3])

Tensor的最基本数据类型

• 32位浮点型：torch.float32
• 64位浮点型：torch.float64
• 32位整型： torch.int32
• 16位整型： torch.int16
• 64位整型： torch.int64

Tensor(张量)与numpy

numpy 转 Tensor：
torch.from_numpy(numpy矩阵)
Tensor 转 numpy：
Tensor矩阵.numpy()

Tensor的运算

与numpy的运算规则类似：
元素相加 a+b
广播 a+3 矩阵a的每个值都加3
下划线代表就地改变 t_
调整张量的大小/形状：
torch.view() 或 torch.reshape()
单个元素的张量，使用
.item() 转换为python数据
t = torch.tensor([1])
t1 = t.item()
t1------1

Tensor数据结构的特点

data : 被包装的Tensor ------>t.detach()
grad : data的梯度
grad_fn : 创建 Tensor的 Function，是自动求导的关键

tensor类 的 属性

shape：描述了tensor的形状
tensor.shape

dtype：描述了tensor的数据类型
tensor.dtype

device：描述了存储tensor的设备
tensor.device