pytorch学习（1）张量简介与创建

张量的概念

张量是一个一维数组，它是标量、向量、矩阵的高维拓展

在图像处理中，例如常见的灰度图像就是一个2维张量，RGB图像则是一个3维张量

在数学中张量通常表示的是多维度数组；在pytorch中张量还和自动求导相关

张量的创建

一、直接创建

• torch.tensor

torch.tensor(
			data, 					# 可以是list，numpy
			dtype=None,				# 数据类型，默认与data一致
			device=None,			# 所在设备，cuda/cpu
			requires_grad=False,	# 是否需要梯度
			pin_memory=False)		# 是否存于锁页内存

功能：从data创建tensor
例如：

arr = np.ones((3,3))
print("ndarray的数据类型：", arr.dtype)

t = torch.tensor(arr, device='cuda')
print(t)

输出的结果为：

ndarry的数据类型： float64
tensor([[1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.]], device='cuda:0', dtype=torch.float64)

通过观察发现，tensor的数据类型与numpy创建的数据类型是一致的

• torch.from_numpy(ndarray)

功能：从numpy创建tensor

注意事项：从torch.from_numpy创建的tensor于原ndarray共享内存，当修改其中一个数据，另外一个也将会被改动

例如：

arr &