ptorch学习笔记1-张量的创建

1.张量是什么？

0维张量就是标量只有大小没有方向。有大小和方向的向量就是一维张量，矩阵就是2维张量，我们接触到的rgb彩色图像实际就是一个三维张量，长宽和通道数。因此可以知道，张量是一个多维数组，是标量、向量和矩阵的高纬拓展。

张量在pytorch中是以tensor表现出来。在pytorch0.40版本以前，自动求导的torch.autgrad.Variable是独立的，用来封装tensor，该数据类型主要有五个参数：

data: 被包装的 Tensor
grad: data 的梯度
grad_fn: 创建 Tensor 的 Function ,是自动
求导的关键
requires_grad: 指示是否需要梯度
is_leaf: 指示是否是叶子结点(张量)

而在pytorch0.40以后的版本，为了方便，将vaiable数据类型并入到tensor。

在variable的基础之上多了三个部分：

dtype: 张量的数据类型,如 torch.FloatTensor, torch.cuda.FloatTensor
shape: 张量的形状,如 (64, 3, 224, 224)
device: 张量所在设备, GPU/CPU ,是加速的关键

2.张量的创建

创建张量有三种方法：一是直接创建法，二是依赖数值创建，三是依赖概率分布创建。

一.直接创建

1.torch.tensor

torch.tensor(
data,
dtype=None,
device=None,
requires_grad=False,
pin_memory=False)

功 能: 从data创建tensor
• data : 数据,可以是list,numpy
• dtype : 数 据 类 型 , 默认与 da ta 的 一致
• device : 所在设备,cuda /cpu
• requires_grad :是否需要梯度
• pin_memory : 是否存于锁页内存

# 通过torch.tensor创建张量

arr = np.ones((3,3))
print("ndarrary的数据集类型：", arr.dtype)
# t = torch.tensor(arr)
t = torch.tensor(arr, device='cuda')
print(t)

//运行结果:
ndarrary的数据集类型： float64
tensor([[1., 1