深入浅出PyTorch_【01】pytorch基础

#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

1. 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]])

3. 直接构造

import torch
x = torch.tensor([5.5,