pytorch学习笔记（三）——Tensor数据类型

Tensor

python	PyTorch
Int	IntTensor of size()
float	FloatTensor of size()
Int array	IntTensor of size [d1, d2 ,…]
Float array	FloatTensor of size [d1, d2, …]
string	---

pytorch中字符串数据类型是用编码来代替的

pytorch内键的数据类型

检查变量a的类型

a.type()  返回Tensor数据类型，如torch.FloatTensor

type(a)  返回基本数据类型，如torch.Tensor

isinstance(a, torch.FloatTensor)   返回True or False

x与x.cuda的数据类型不同，后者属于GPU Tensor的类型

1.标量Dimension为0的数据类型，常用来计算loss

a = torch.tensor(1.3)

a.shape => torch.Size([ ])

len(a.shape) => 0

a.size => torch.Size([ ])

2.Dimension为1的张量带一个"[ ]"，常用于bias和神经网络线性层的输入

torch.tensor([1.1])  => tensor([1.1000])

torch.tensor([1.1,2.2]) => tensor([1.1000,2.2000])

输出一个dimens为1，size长度为1的张量torch.FloatTensor(1) => tensor([3.2239e-25])

输出一个dimens为1，size长度为2的张量torch.FloatTensor(2) => tensor([3.2239e-25,4.5915-41])

从numpy引入：

data.shape() => torch.size([2])

dimension是size的长度，size/shape指张量的形状，tensor指一个具体的张量

3.Dimension为2的张量带2个"[ ]"，常用于带有batch的线性输入

随机生成一个2行3列的2维张量 a=torch.randn(2,3) =>

tensor([[-0.4423,0.5983,1.2390],

            [-2.3440,0.2344,1.9372]])

a.shape => torch.Size([2,3])

a.size(0) => 2

a.size(1) => 3

a.shape[1] => 3

4.Dimension为3的张量带3个"[ ]"，常用于RNN网络结构输入batch（处理文字）

随机均匀生成一个[0,1]的3维张量 a=torch.rand(1,2,3) =>

tensor([[[0.0763,0.2570,0.9831],

              [0.6832,0.1549,0.7923]]])

 a.shape => torch.Size([1,2,3])

取a第0个元素返回[2,3]

tensor([[0.0763,0.2570,0.9831],

              [0.6832,0.1549,0.7923]])

5.Dimension为4的张量带4个"[ ]"，常用于卷积神经网络CNN[b,c,h,w]（处理图片）

b:batch表示照片数量；c:channel为图片通道，=1时是灰度图片，=3时时彩色图片；h:height为图片的长；w:width为图片的宽

a.shape => torch.Size([2,3,28,28])

a.numel() => 4704 计算张量所占内存大小2*3*28*28=4704

a.dim() => 4