Pytorch中Tensor(张量)的入门使用

目标

  1. 知道张量和Pytorch中的张量
  2. 知道pytorch中如何创建张量
  3. 知道pytorch中tensor的常见方法
  4. 知道pytorch中tensor的数据类型
  5. 知道pytorcht中如何实现tensor在cpu和cuda中转化

1. 张量Tensor

张量是一个统称,其中包含很多类型

  1. 0阶张量:标量、常数,0-D Tensor
  2. 1阶张量:向量,1-D Tensor
  3. 1阶张量:矩阵,2-D Tensor
  4. 3阶张量

2. Pytorch中创建张量

  1. 使用python中的列表或者序列创建tensor
torch.tensor([[1., -1.], [1., -1.]])

tensor([[ 1.0000, -1.0000], 
		[ 1.0000, -1.0000]])

在这里插入图片描述

  1. 使用numpy中的数组创建tensor
torch.tensor(np.array([[1, 2, 3], [4, 5, 6]]))

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

在这里插入图片描述

  1. 使用torch的api创建
    (1) torch.empty([3,4])创建3行4列的空的tensor,会用无用数据进行填充
    在这里插入图片描述
    (2) torch.ones([3,4])创建3行4列的全为1的tensor
    (3) torch.zeros([3,4])创建3行4列的全为0的tensor
    (4) torch.rand([3,4])创建3行4列的随机值的tensor,随机区间是[0,1)

在这里插入图片描述

(5) torch.randint(low=0,high=10,size=[3,4])创建3行4列的随机整数的tensor,随机区间是[low, high)

在这里插入图片描述
在这里插入图片描述
(6) torch.randn([3,4])创建3行4列的随机数的tensor,随机值的分布式均值为0,方差为1

3. Pytorch中tensor的常用方法

  1. 获取tensor中的数据(当tensor中只有一个元素可用时):tensor.item()

在这里插入图片描述

在这里插入图片描述

  1. 转换为numpy数组

在这里插入图片描述
在这里插入图片描述

  1. 获取形状:tensor.size()

在这里插入图片描述
在这里插入图片描述
注:这块也可以使用t2.shape不加括号,但是跟size相比不能像下面这样取某一维度的值
在这里插入图片描述

  1. 形状改变:tensor.view((3,4))。类似numpy中的reshape,是一种浅拷贝(不会对原数据改变,会输出一个新值),仅仅是形状发生改变,必须保证转换前后总的数据个数是一样的

在这里插入图片描述
在这里插入图片描述
这种方式本质上是将数据拉成一个长条,然后在按照shape分块

第一个(31行)-1表示有多少个数,直接就输出一个一维的tensor
第二个(32行)-1表示会自动适应前面那个数决定之后的维度

  1. 获取维数(阶数):tensor.dim()

在这里插入图片描述

  1. 获取最大值:tensor.max(),最小值:tensor.min(),标准差:tensor.std()

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

  1. 转置:
  • 二维矩阵:tensor.t()tensor.transpose(0,1)
  • 高维:tensor.transpose(1,2)tensor.permute(0,2,1)

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

  1. tensor[1,3]获取tensor中第一行第三列的值
  2. tensor[1,3]=100对tensor中第一行第三列的位置进行赋值100
    在这里插入图片描述
  3. tensor的切片

在这里插入图片描述

4. tensor的数据类型

tensor中的数据类型非常多,常见类型如下:

在这里插入图片描述
上图中的Tensor types表示这种type的tensor是其实例

  1. 获取tensor的数据类型:tensor.dtype

在这里插入图片描述

  1. 创建数据的时候指定类型

在这里插入图片描述
3. 类型的修改

在这里插入图片描述

在这里插入图片描述

5. tensor的其他操作

  1. tensor和tensor相加

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
注意:带下划线的方法(比如:add_)会对tensor进行就地修改

  1. tensor和数字操作

在这里插入图片描述

  1. CUDA中的tensor
    CUDA(Compute Unified Device Architecture),是NVIDIA推出的运算平台。CUDATM 是一种由NVIDIA推出的通用并行计算架构,该架构使GPU能够解决复杂的计算问题。

torch.cuda这个模块增加了对CUDA tensor的支持,能够在CPU和GPU上使用相同的方法操作tensor

通过.to方法能够把一个tensor转移到另外一个设备(比如从CPU到GPU)

在这里插入图片描述
在这里插入图片描述

通过前面的学习,可以发现torch的各种操作几乎和numpy一样

视频参考

Python人工智能就业班-4(人工智能) 6、7、(8)、9

  • 7
    点赞
  • 13
    收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
©️2022 CSDN 皮肤主题:技术黑板 设计师:CSDN官方博客 返回首页
评论

打赏作者

酷酷的橙007

你的鼓励将是我创作的最大动力

¥2 ¥4 ¥6 ¥10 ¥20
输入1-500的整数
余额支付 (余额:-- )
扫码支付
扫码支付:¥2
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值