Pytorch深度学习笔记（04）--Numpy与Tensor

目录

一、Tensor概述

二、创建Tensor

1、表1 常见的新建tensor方法

2、创建张量的方法

3、torch.Tensor与torch.tensor的几点区别

三、修改Tensor形状

表2 tensor常用修改形状的函数

 四、索引操作

表3 常用选择操作函数

五、广播机制

六、逐元素操作

表4 常见逐元素操作

七、归并操作

表5 常见的归并操作

八、比较操作

表6 常用的比较函数

 九、矩阵操作

 表7 常用矩阵函数

十、Pytorch与Numpy比较

表8 Pytorch与Numpy函数对照表

---

一、Tensor概述

1、对tensor的操作很多，从接口的角度来划分，可以分为两类：
（1）torch.function,如torch.sum、torch.add等，
（2）tensor.function,如tensor.view、tensor.add等。

2、如果从修改方式的角度，可以分为以下两类：
（1）不修改自身数据，如x.add(y)，x的数据不变，返回一个新的tensor。
（2）修改自身数据，如x.add_(y)(运行符带下划线后缀)，运算结果存在x中，x被修改。

import torch
 
x=torch.tensor([1,2])
y=torch.tensor([3,4])
z=x.add(y)
print(z)
print(x)
x.add_(y)
print(x)

运行结果
tensor([4, 6])
tensor([1, 2])
tensor([4, 6])

二、创建Tensor

1、表1 常见的新建tensor方法

补充：

torch.full([2,4],2)      #根据形状[2,4]，填充指定数值2

2、创建张量的方法

Tensor(序列)         #其中序列可以是列表、元组、array(数组)

3、torch.Tensor与torch.tensor的几点区别

①torch.Tensor是torch.empty和torch.tensor之间的一种混合，但是，当传入数据时，torch.Tensor使用全局默认dtype（FloatTensor），torch.tensor从数据中推断数据类型。
②torch.tensor(1)返回一个固定值1，而torch.Tensor(1)返回一个大小为1的张量，它是随机初始化的值。

三、修改Tensor形状