PyTorch学习笔记01——Tensor张量_torch tensor 获取指定维度张量-CSDN博客

本文链接：https://blog.csdn.net/weixin_53968757/article/details/129927661

本文详细介绍了PyTorch中的核心概念——Tensor，包括Tensor的定义、创建方式、属性以及各种操作，如张量拼接、切分、索引、变换和数学运算，帮助读者深入理解并掌握PyTorch的基本用法。

摘要由CSDN通过智能技术生成

Tensor张量

什么是Tensor
Tensor的创建
Tensor的属性
Tensor的操作
Tensor的数学运算

什么是Tensor

张量是一种特殊的数据结构，与数组和矩阵非常相似。在 PyTorch 中，我们使用张量对模型的输入和输出以及模型的参数进行编码。
张量相当于一个多维数组。

torch.Tensor(dtype, shape, device, data, requires_grad, 
			grad, grad_fn, is_leaf)

requires_grad：指示是否需要梯度
grad：data的梯度
grad_fn：创建Tensor的function
is_leaf：是否是叶子节点（张量）

Tensor的创建

1. 直接创建

张量可以直接从数据中创建。数据类型是自动推断的。
从data创建，可以是list，numpy。

torch.tensor(data,
			dtype=None,  # 默认与data一致
			device=None,  # cuda/cpu
			requires_grad=False,  # 是否需要梯度
			pin_memory=False)  # 是否存于锁页内存，通常为False

例如：

data = [[1, 2],[3, 4]]
x_data = torch.tensor(data)

2. 通过numpy创建

从numpy创建的tensor源于ndarray共享内存，当修改其中一个的数据，另一个也会被改动。

np_array = np.array(data)
x_np = torch.from_numpy(np_array)

让tensor和numpy共享底层内存

t = torch.ones(5)
print(f"t: {
     t}")
n = t.numpy()
print(f"n: {
     n}")  # n和t是一样的
t.add_(1)
print(f"t: {
     t}")
print(f"n: {
     n}")  # t更改后，n的值依然跟t一样

3. 依据数值创建

依size创建全0张量

torch.zeros(*size,  # 如(3,3)、(3,224,224)
			out=None,  # 输出的张量，将生成张量赋值给一个张量
			dtype=None,
			layout=torch.strided,  # 内存中的布局形式，有strided、sparse_coo等
			device=None,
			requires_grad=False)

依input形状创建全0张量

torch.zeros_like(input,
				dtype=None,
				layout=None,
				device=None,
				requires_grad=False)

依size创建全1张量

torch.ones(*size,
			out=None,
			dtype=None,
			layout=torch.strided,
			device=None,
			requires_grad=False)

依input形状创建全1张量

torch.ones_like(input,
				dtype=None,
				layout=None,
				device=None,
				requires_grad=False)

依size创建全为fill_value的张量

torch.full(*size,
			fill_value,
			out=None,
			dtype=None,
			layout=torch.strided,
			device=None,
			requires_grad=False)
# 比如：
torch.full((3, 3), 10)

依input形状创建全为fill_value的张量

torch.ones_like(input,
				fill_value,
				dtype=None,
				layout=None,
				device=None,
				requires_grad=False)

创建等值数列

torch.arange(start=0,  # 区间为[start, end)
			end,
			step,
			out=None,
			dtype=None,
			layout=None,
			device=None,
			requires_grad=False)

创建均分数列

torch.linspace(start,  # 区间为[start, end]
				end,
				steps=100,  # 数列长度，而不是步长，步长=(end-start)/(steps-1)
				out=None,
				dtype=None,
				layout=None,
				device=None,
				requires_grad=False)

创建对数数列

torch.logspace(start,
				end,
				steps=100,
				base=10.0,
				out=None,
				dtype=