MindSpore中张量的使用

最新推荐文章于 2024-09-05 20:43:47 发布

xiao | yang

最新推荐文章于 2024-09-05 20:43:47 发布

阅读量673

点赞数

文章标签： python 数据结构 numpy 深度学习

本文链接：https://blog.csdn.net/xi_xiyu/article/details/118446646

版权

本文介绍了在MindSpore中如何使用张量，包括从数据、NumPy数组初始化，继承张量属性创建新张量，以及输出指定大小的恒定值张量。通过示例展示了 OnesLike、Ones 和 Zeros 操作。

摘要由CSDN通过智能技术生成

张量（Tensor）是MindSpore网络运算中的基本数据结构。

首先导入需要的模块和接口，如下所示：

import numpy as np

from mindspore import Tensor

from mindspore import dtype as mstype
初始化张量

张量的初始化方式有多种，构造张量时，支持传入Tensor、float、int、bool、tuple、list和NumPy.array类型。

根据数据直接生成

可以根据数据创建张量，数据类型可以设置或者自动推断。

x = Tensor(0.1)
从NumPy数组生成

可以从NumPy数组创建张量。

arr = np.array([1, 0, 1, 0])

x_np = Tensor(arr)
初始值是NumPy.array，则生成的Tensor数据类型与之对应。

继承另一个张量的属性，形成新的张量

from mindspore import ops

oneslike = ops.OnesLike()

x = Tensor(np.array([[0, 1], [2, 1]]).astype(np.int32))

output = oneslike(x)

print(output)
输出指定大小的恒定值张量

shape是张量的尺寸元组，确定输出的张量的维度。

from mindspore.ops import operations as ops

shape = (2, 2)

关注