学习《深入浅出pytorch》1\torch 安装

目录

（1）深度学习数据为tensor

1. tensor 类型转换

2. tensor 生成

3. tensor 形状

4. tensor维度变化

5.tensor索引、切片

6.tensor函数运算、求极值、排序

7. 张量的广播

---

（1）深度学习数据为tensor

1. tensor 类型转换

import numpy as np
import torch

torch.tensor([1，2，3，4])
>>>tensor([1，2，3，4])
torch.tensor([1，2，3，4]).dtype
>>>torch.int64


指定数据类型：
torch.tensor([1，2，3，4]，dtype=torch.float32)
>>>tensor([1.，2.，3.，4.])
torch.tensor([1，2，3，4]，dtype=torch.float32).dtype
>>>torch.float32

2. tensor 生成

(1)生成3*3的矩阵，矩阵元素服从【0,1）上的均匀分布
torch.rand(3,3)

(2)生成2*3*4的tensor，张量元素服从标准正太分布
torch.randn(2,3,4)

tensor([[[a,b,c,d],[   ],[   ]],[[   ],[   ],[   ]]])

(3)生成2*2*2的tensor,元素全部为0
torch.zeros(2,2,2)

tensor([[[a,b],[a,b]],[[  ],[  ]]])

(4)生成1*2*3的tensoe,元素全部为1
torch.ones(1,2,3)

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

(5)生成3*3的单位矩阵
torch.eyes(3)

tensor([[1.,0.,0.],[0.,1.,0.],[0.,0.,.]]

(6)生成0-10 均匀分布整数的3*3矩阵
torch。randint(0,10,(3,3))

3. tensor 形状

torch.size

4. tensor维度变化

【a 】view函数：

torch.view(-1)  第一个-1系统自动划分维度值

【b 】reshape函数：

5.tensor索引、切片

t=torch.randn(2,3,4)

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

(1)t[1,2,3]
张量0维1号、1维2号、2维3号元素
>>>tensor(7)

解释；
排号都是从0开始
0维1号： [[1,3,4,5]
         [3,4,5,6]
         [5,4,6,7]]

1维2号：1维：  [1,3,4,5]  2号：[5,4,6,7]
              [3,4,5,6]
              [5,4,6,7]
2维3号：[5,4,6,7] 3号：7

(2)t[:,1:-1,1:3]
:代表所有
>>>tensor([[[6,7]
            [1,4]]
           [[4,5]
            [4,6]]])

解释：
：所有维度   [[[    ],[    ],[    ]],[[    ],[    ],[    ]]]
1:-1  第一行数---最后一行数
1：3  第一列数---第二列数

6.tensor函数运算、求极值、排序

t=torch.rand（3，4）

t.sqrt()   --------求平方根

torch.sqrt(t) ---求平方根，函数形式

不改变原来张量

t.sqrt_()

torch.sqrt_(t)

原地操作，改变原来张量

torch.argmax(t,0)

第0维，最大值所在位置

t.argmin(1)

第一维度，最小值位置

torch.max()

t.max(0)

t.sort ------返回排序后tensor, 位置 ：

    举例：

    原：[[[0,2,9,6],[    ],[    ]],[[    ],[    ],[    ]]]

    后：[[[0,2,6,9],[    ],[    ]],[[    ],[    ],[    ]]]

           [[[0,1,3,2],[    ],[    ]],[[    ],[    ],[    ]]]    对用原来张量的位置索引

7. 张量的广播

不同维度之间进行运算，将维度较小的张量扩增。

举例：

t1=torch.randn(3,4,5)

t2=torch.randn(3,5)

【将t2 展开成 3*1*5   和t1运算沿着第二维度复制四次，变成3*4*5】

t2.unsequeeeze(1)

---

---

---

补充：

安装：

1、

pip install -i https://pypi.tuna.stinghua.edu.cn/simple/ torch==1.7.0