目录
一、Tensor(张量)
pytorch里面处理的最基本的操作对象就是Tensor(张量),Tensor表示的是一个多维的矩阵,比如零维就是一个点,一维就是向量,两维就是一般的矩阵,多维就相当于一个多维的数据,这个numpy是对应的,并且pytorch的Tensor可以和numpy的ndarray相互转换,区别是pytorch的Tensor可以在GPU上运行,而numpy的bdarray只能在CPU上运行。
二、Tensor的数据类型
常用的不同类型的Tensor有:
- 32位浮点型torch.FloatTensor
- 64位浮点型torch.DoubleTensor
- 16位整型torch.ShortTensor
- 32位整型torch.IntTensor
- 64位整型torch.LongTensor
需要注意的是torch.Tensor默认的是torch.FloatTensor数据类型。
print('arr: {}'.format(arr))
print('arr size is: {}'.format(arr.size()))
print('arr size is: {}'.format(arr.shape))
# 输出
# arr: tensor([[1., 2.],
# [4., 5.]])
# arr size is: torch.Size([2, 2])
# arr size is: torch.Size([2, 2])
也可以创建一个全是0的Tensor或者取正态分布作为初始值:
arr1 = torch.zeros((3, 2))
print('zero tensor: {}'.format(arr1))
arr2 = torch.randn((3, 2))
print('normal randon id : {}'.format(arr2))
# zero tensor: tensor([[0., 0.],
# [0., 0.],
# [0., 0.]])
# normal randon id : tensor([[-0.5810, -0.0327],
# [ 2.3094, 1.3323],
# [ 0.0993, 0.0231]])
也可以像numpy一样通过索引的方式取得其中的元素,并且改变元素的值。还可以在Tensor和numpy.ndarray之间相互转换。
print("arr2.type: {}".format(type(arr2)))
numpy_arr2 = arr2.numpy()
print('numpy_arr2.type: {}'.format(type(numpy_arr2)))
tensor_arr2 = torch.from_numpy(numpy_arr2)
print('tensor_arr2.type: {}'.format(type(tensor_arr2)))
# arr2.type: <class 'torch.Tensor'>
# numpy_arr2.type: <class 'numpy.ndarray'>
# tensor_arr2.type: <class 'torch.Tensor'>
通过简单的arr2.numpy()就可以将Tensor转换为numpy数据类型,同时使用torch.from_numpy()就可以将numpy转化为Tensor类型。
如果需要转换Tensor的数据类型,只需要在Tensor后面加上需要的数据类型即可,如:
tensor_arr2 = tensor_arr2.float()
如果电脑支持GPU,可以将Tensor放到GPU上:
tensor_arr2 = tensor_arr2.cuda()