#深入浅出PyTorch_【01】pytorch基础
2023.01.23
主要内容就是张量
2.1 张量
张量是基于向量和矩阵的推广
0
维张量 :代表数字1
维张量 :代表向量2
维张量 :代表矩阵3
维张量 :代表时间序列数据 股价 文本数据 单张彩色图片(RGB)
这里有一些存储在各种类型张量的公用数据集类型:
- 3维 = 时间序列
- 4维 = 图像
- 5维 = 视频
在PyTorch中, torch.Tensor 是存储和变换数据的主要工具
2.1.2 创建tensor
- 随机初始化矩阵 我们可以通过
torch.rand()
的方法,构造一个随机初始化的矩阵
import torch
x = torch.rand(4,3)
print(x)
tensor([[0.8588, 0.8956, 0.9268],
[0.4135, 0.3667, 0.2543],
[0.9537, 0.4734, 0.6466],
[0.2807, 0.9355, 0.3539]])
import torch
x= torch.ones(3,4)
x,x.type
(tensor([[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.]]),
<function Tensor.type>)
- 创建tensor,用
dtype
指定类型。注意类型要匹配
import torch
x= torch.ones(3,4,dtype=torch.long)
x,x.type
(tensor([[1, 1, 1, 1],
[1, 1, 1, 1],
[1, 1, 1, 1]]),
<function Tensor.type>)
torch.zero_()
和torch.zeros_like()
将现有矩阵转换为全0矩阵;
x = torch.zero_(x)
x
tensor([[0, 0, 0, 0],
[0, 0, 0, 0],
[0, 0, 0, 0]])
- 直接构造
import torch
x = torch.tensor([5.5,