pytorch 张量

1.张量的创建

#创建一个5*3的张量，此张量未被初始化
x=torch.Tensor(5,3)#创建一个随机产生的5*3的张量,张量里面的数据是位于0-1之间的
y=torch.rand(5,3)#创建一个3x3的张量，且张量里面的内容大小位于0-10，下面这个函数里面，第一个参数代表张量里面的最小值，第二个参数代表张量里的最大值，第三个参数代表张量的形状
y=torch.randint(1,10,(3,3))#创建一个均值为0，方差为1的3x4的张量
y=torch.randn(3,4)#创建一个内容全为0的5*3的张量
t=torch.zeros(5,3)#创建一个内容全为1的5*3的张量
q=torch.ones(5,3)#直接利用数据构建张量
p=torch.Tensor([[1,2,3],[4,5,6]])

张量的创建依据上面的格式来创建就好。

2.张量的形状、行数、列数

#得到一个张量的形状:张量.size()
q=torch.ones(5,3)
print(q.size())
#我们使用torch.size()还可以获得张量各个维度数值个数，例如对于一个二维矩阵来说
#得到张量的行数:张量.size(0)
print(q.size(0))
#得到张量的列数：张量.size(1)
print(q.size(1))#dim()获得张量的维度
q.dim()#max()：返回张量里面的最大值
#min()：返回张量里面的最小值
#t():对于二维的张量来说，这个函数是用来转置，当函数有超过两个维度的时候，使用transpose()方法，transpose中的参数表示哪两个维度进行交换

3.张量的加法操作

x=torch.rand(5,3)
y=torch.ones(5,3)#x+y不会对原来的x和y产生影响，它返回一个张量，这个张量的值等于x+y
t=x+y
print(t)#这种计算方式同上
q=torch.add(x,y)
print(q)#这种也可以计算x+y的值，但是这种会改变y的值，它是将原来x+y的结果放到y上了
y.add_(x)
print(y)

注意：任何in-place的操作都会以_结尾,比如x.copy_(y)也会改变x

4.索引

：代表的是所有

x=torch.rand(5,3)
print(x)
#取出x张量中索引值为1的那一列
y=x[:,1]
print(y)
#取出x张量中，索引值为0的那一行
t=x[0,:]
print(t)

还有0：2这种的，0：2与：2相同，只不过表示从0开始可以省略0。表示0 1

import  torchx=torch.randn(5,3)
print(x)#下面这句代码表示y截取x的前两行和前两列
y=x[0:2,0:2]
print(y)

5.改变张量的维度

使用view来改变张量的维度

x=torch.rand(5,3)
print(x)#将原来的张量改变成1*15的张量
y=x.view(15)
print(y)#将原来的张量的行数变成3，列数根据张量中的数据计算得到
t=x.view(3,-1)

6.常用方法

import torch
import numpy as npx=torch.rand(5,3)
print(x)#将张量转化为numpy
y=x.numpy()
print(y)#将numpy转化成张量
t=torch.from_numpy(y)
print(t)#item():对于只有一个元素的张量来说，我们使用item()可以获得这个张量中的元素的大小
#在python中有items()方法，我们使用items()方法可以获得字典里面的键值对
y=torch.randn(1,1)
print(y.item())

pytorch 张量相关推荐

一文读懂PyTorch张量基础（附代码）
作者:Matthew Mayo, KDnuggets 翻译:和中华校对:丁楠雅本文约1000字,建议阅读5分钟. 本文介绍了PyTorch Tensor最基础的知识以及如何跟Numpy的ndarr ...
pytorch张量_PyTorch张量-详细概述
pytorch张量 In this PyTorch tutorial, we'll discuss PyTorch Tensor, which are the building blocks of t ...
pytorch张量复制clone()和detach()
1. pytorch张量复制clone()和detach() https://blog.csdn.net/Answer3664/article/details/104417013 2. [Pytorc ...
Pytorch张量tensor的使用
1. 张量Tensor Tensors张量: 张量的概念类似于Numpy中的ndarray数据结构, 最大的区别在于Tensor可以利用GPU的加速功能. 张量是一个统称,其中包含很多类型: [各 ...
pytorch图像和张量的相互转换_Day107:Pytorch张量类型的构建与相互转换
张量的作用 Pytorch的数据类型为各式各样的Tensor,Tensor可以理解为高维矩阵(与Numpy中的Array类似) 通过使用Type函数可以查看变量类型.一 CPU张量类型 Pytorch ...
pytorch张量操作基础
张量是pytorch的基本数据类型,因此有必要重新快速的学习下怎么使用操作张量. 1:使用tensor直接创建 b = torch.tensor([[11, 22, 33, 66], [77, 44, ...
pytorch——张量操作与线性回归
1.张量的操作:拼接.切分.索引和变换一.张量拼接与切分 1.1 torch.cat() (cat()不会拓展张量的维度) 功能:将张量按维度dim进行拼接 tensors:张量序列 din:要拼接 ...
pytorch张量相乘matmul函数
主要参考PyTorch入门笔记-张量相乘matmul函数02 - 腾讯云开发者社区-腾讯云 (tencent.com) 我自己认为容易记住的点: 1.维数不同时,扩张的是不会相乘的那个维度.例如:一个 ...
pytorch 张量基础
张量是一种特殊的数据结构,与数组和矩阵非常相似.在 PyTorch 中,我们使用张量对模型的输入和输出以及模型的参数进行编码. 张量类似于NumPy 的ndarray,除了张量可以在 GPU 或其他硬 ...
pytorch张量(tensor)常用高级操作函数
张量创建张量拼接.切分.索引和变换 torch.cat(),torch.concentrate(),torch.concat() 注:这三个函数是等价的函数:torch.cat(tensors, ...

pytorch 张量

1.张量的创建

2.张量的形状、行数、列数

3.张量的加法操作

4.索引

5.改变张量的维度

6.常用方法

pytorch 张量相关推荐

最新文章

热门文章