Pytorch入门（1）——张量的创建

博主近期会将自己所学以及学习中遇到的一些问题记录下来，感兴趣的朋友可以点击关注！

大家可以一起学习，有什么问题随时欢迎提问！

---

目录

一、Pytorch 是什么？

二、Tensors 张量的创建

1、直接创建 Tensors

2、创建特定 Tensors

3、创建随机 Tensors

---

一、Pytorch 是什么？

PyTorch 是一个基于 Python 的科学计算包，主要定位两类人群：

• NumPy 的替代品，可以利用 GPU 的性能进行计算。
• 深度学习研究平台拥有足够的灵活性和速度

二、Tensors 张量的创建

1、直接创建 Tensors

torch.tensor(data)

• 标量：data 为标量
• 向量：data 为向量
• 矩阵：data 为矩阵

import torch

num = torch.tensor(3)
vector = torch.tensor([1, 2, 3, 4])
martix = torch.tensor([[1, 2], [3, 4], [5, 6]])

print(num)
print(vector)
print(martix)

输出：

   

2、创建特定 Tensors

零矩阵:

• torch.zeros(size)  ——  size 矩阵的维度；size 大小的零矩阵
• torch.zeros_like(martix) —— martix 矩阵；大小为矩阵martix相同的零矩阵

单位矩阵: 

• torch.ones(size) —— size 矩阵的维度；size 大小的单位矩阵
• torch.ones_like(martix) —— martix 矩阵；大小为矩阵martix相同的单位矩阵

单位对角矩阵: 

• torch.eye(n) —— 大小为 n * n 的单位对角矩阵

import torch

martix = torch.tensor([[1, 2], [3, 4], [5, 6]])

martix_0 = torch.zeros([3, 2])  # size为[3, 2]的零矩阵
martix_1 = torch.zeros_like(martix)  # size与矩阵martix相同的零矩阵
martix_2 = torch.ones([3, 2])  # size为[3, 2]的单位矩阵
martix_3 = torch.ones_like(martix)  # size与矩阵martix相同的单位矩阵
martix_4 = torch.eye(n=3)  # n * n 的单位对角矩阵

print(martix_0)
print(martix_1)
print(martix_2)
print(martix_3)
print(martix_4)

输出：

  

3、创建随机 Tensors

[0, 1] 之间均匀分布：

• torch.rand(size) —— size 矩阵的维度；size 大小的矩阵，且值为[0,1]之间均匀分布的随机数
• torch.rand_like(martix_float)  —— size与矩阵martix_float相同的矩阵，且值为[0,1]之间均匀分布的随机数

指定范围之间的均匀分布：

• torch.randint(low=min, high=max, size=size)  —— 矩阵大小为size，且值在[min, max]之间的随机整数
• torch.randint_like(martix, low=min, high=max)  —— 矩阵大小与矩阵martix相同，且值为[min, max]之间均匀分布的随机

注：这里需要注意的是，torch.rand_like()生成的是[0,1]之间的浮点数，数据类型为float，因此，martix_float矩阵中的数据类型需为float型，否则会报错！

RuntimeError: _th_uniform_ not supported on CPUType for Long

import torch 

martix = torch.tensor([[1, 2], [3, 4], [5, 6]])
martix_float = torch.tensor([[1, 2], [3, 4], [5, 6]], dtype=torch.float)

martix_5 = torch.rand([3, 2])  # size为[3, 2]的且值为[0,1]之间均匀分布的随机数
martix_6 = torch.rand_like(martix_float)  # size与矩阵martix_float相同且值为[0,1]之间均匀分布的随机数
martix_7 = torch.randint(low=2, high=10, size=[3, 2])  # size为[3, 2]且值在[low, hight]之间的随机整数
martix_8 = torch.randint_like(martix, low=2, high=10)  # size与矩阵martix相同且值为[low, hight]之间均匀分布的随机数
print(martix_5)
print(martix_6)
print(martix_7)
print(martix_8)

输出：