3-5Tensor创建编程实例

直接创建

import torch

a = torch.Tensor([[1,2],[3,4]])
print(a)
print(a.shape)

tensor([[1., 2.],
        [3., 4.]])
torch.Size([2, 2])

使用形状定义

#使用形状定义
a = torch.Tensor(2,3)
print(a)
print(a.type())

tensor([[1.3166e-08, 1.7155e-07, 5.2941e-08],
        [3.3428e+21, 2.6446e+20, 6.6824e-07]])

创建对角线全是1的tensor

print(torch.eye(2,2))

创建单位tensor

print(torch.ones(5,5))

tensor([[1., 1., 1., 1., 1.],
        [1., 1., 1., 1., 1.],
        [1., 1., 1., 1., 1.],
        [1., 1., 1., 1., 1.],
        [1., 1., 1., 1., 1.]])

创建和已有的tensor一样大的tensor

a = torch.Tensor(2,3)
b = torch.zeros_like(a)
c = torch.ones_like(a)
print(a)
print(b)
print(c)

tensor([[0.0000e+00, 0.0000e+00, 1.7063e-07],
        [5.3175e-08, 1.3222e+22, 1.0524e+21]])
tensor([[0., 0., 0.],
        [0., 0., 0.]])
tensor([[1., 1., 1.],
        [1., 1., 1.]])

创建均匀分布的的tensor

a = torch.rand(2,2)
print(a)

tensor([[0.6311, 0.8184],
        [0.5967, 0.8858]])

返回一个张量，包含了从指定均值means和标准差std的离散正态分布中抽取的一组随机数。标准差std是一个张量，包含每个输出元素相关的正态分布标准差

a = torch.normal(mean = torch.rand(5),std = torch.rand(5))
print(a)

tensor([ 1.3558,  0.7833, -0.3671,  1.0076, -0.3036])

产生序列

#序列
a = torch.arange(0,10,3)
print(a)

tensor([0, 3, 6, 9])

产生等间隔数

#等间隔n个数
a = torch.linspace(2,10,4)
print(a)
print(a.type())

tensor([ 2.0000,  4.6667,  7.3333, 10.0000])
torch.FloatTensor

a = torch.randperm(10)
print(a)

tensor([1, 5, 0, 3, 7, 4, 9, 2, 8, 6])

#numpy
import numpy as np
a = np.array([[1,2],[3,4]])
print(a)

[[1 2]
 [3 4]]