PyTorch基础-Tensor的属性,数据,运算-01

Tensor的属性

import torch

a = torch.tensor([1,2,3],dtype=int) # 创建一个整数tensor
print(a)
print(a.dtype)

b = torch.tensor([1,2,3],dtype=float)# 创建一个浮点数tensor
print(b)
print(b.dtype)

c = torch.tensor([[1,2,3],[4,5,6]])# # 创建一个二维tensor
print(c)
print(c.ndim)# 数据维度
print(c.shape) # 数据形状
print(c.dtype) # 数据类型

Tensor的数据创建

import torch

torch.ones(2,3) # 创建一个2行3列全为1的数据

torch.zeros(3,3) # 创建一个3行3列全为0的数据

torch.rand(3,4)# 生成一个3行4列的随机数（0-1之间）

torch.randint(0,10,(2,3))# 生成一个0-10之间的2行3列的整数

torch.randn(3,4) # 生成一个3行4列正态分布的随机数

a = torch.tensor([[1,2],[3,4],[5,6]])
a

b = torch.randn_like(a,dtype=float)# 生成一个和a形状一样的随机数数据类型float
b

# 查看数据形状
print(b.shape)
print(b.size())

# 修改数据形状 view相当于reshape
c = b.view(6) # 把b修改成1维的
c

d = b.view(2,3) # 修改成2行3列
d

d1 = b.reshape(6)
d1

d1[1]# 切片

d1[1].item() # 标准数值 item只能修改一个值为标准数值

import numpy as np

np.array(d1) # 把tensor变成array类型

array = np.array([1,2,3])
tensor = torch.tensor(array) # 把array变成tensor类型
tensor

基本运算操作

import torch

a = torch.randint(1,5,(2,3)) # 随机生成2行3列1-5的数值
b = torch.randint(1,5,(2,3))
print(a)
print(b)

a+b # 矩阵相加

torch.add(a,b) # 矩阵相加

result = torch.zeros(2,3) # 生成一个2行3列全为0的矩阵
result

torch.add(a,b,out=result) # a+b 的结果（out=result）输出到 result中

result

# a = a+b
# 注意任何使用张量tensor会发生变化的操作都有一个前缀"_"，列入a.add_()加法,b.sub_()减法
a.add_(b)

a-b

a.sub_(b)

a,b

a*b

a/b

# 取余除
a%b

# 取整除
a//b

矩阵相乘

tensor = torch.ones(3,5,dtype=int)
tensor

a1 = torch.randint(1,5,(2,3))
a1

torch.matmul(a1,tensor)#矩阵相乘 2行3列  * 3行5列 = 2行5列

a1.T # 矩阵转置 2行3列变为3行2列

sample = torch.rand(3,2)
sample

torch.sum(sample) # 求和

torch.min(sample) #最小值

torch.max(sample) #最大值

torch.argmin(sample) # 求最小值所在的位置（索引）

torch.argmax(sample) # 求最大值所在的位置（索引）

torch.mean(sample)# 求平均值

torch.median(sample)# 求中位数

torch.sqrt(sample)# 每个值计算开方

sample ** 2 # 求每个值的平方

数据的索引

import torch

tensor = torch.arange(2,14) # 生成2-14的数据arange取左不取右
print(tensor)

# 列表索引从左开始就是0 ，1，2，3 从右开始就是-1，-2，-3
print(tensor[2]) # 切片第2个数值

print(tensor[-2])# 切片倒数第2个数值

print(tensor[1:4]) # 切片 第一个到第四个

print(tensor[2:-1])

print(tensor[:5])

print(tensor[:-3])

index = [1,3,4,5,5]
tensor[index]

for t in tensor:print(t)

自动求导

import torch

x = torch.ones((2,2),requires_grad=True) # requires_grad=True 自动梯度机制开始记录追踪这个张量tensor
x

y = x + 2
y

z = y*y*3
z

out = z.mean()# 求z的平均值
out

out.backward() # backward 计算梯度的值

print(x.grad)

PyTorch基础-Tensor的属性,数据,运算-01相关推荐

PyTorch基础（四）-----数据加载和预处理
前言之前已经简单讲述了PyTorch的Tensor.Autograd.torch.nn和torch.optim包,通过这些我们已经可以简单的搭建一个网络模型,但这是不够的,我们还需要大量的数据,众所 ...
python3基础3--数据类型--数据运算--表达式if -else-while-for
一.python3 数据类型 1.1 数字例如:1,2,3,4等 1.2 int(整型) 在32位机器上,整数的位数为32位,取值范围为-2**31-2**31-1,即-2147483648-2 ...
pytorch学习笔记 1. pytorch基础 tensor运算
pytorch与tensorflow是两个近些年来使用最为广泛的机器学习模块.开个新坑记录博主学习pytorch模块的过程,不定期更新学习进程. 文章较为适合初学者,欢迎对代码和理解指点讨论,下面进入 ...
python中不同类型的数据不能相互运算_PyTorch中Tensor的数据类型和运算的使用
在使用Tensor时,我们首先要掌握如何使用Tensor来定义不同数据类型的变量.Tensor时张量的英文,表示多维矩阵,和numpy对应,PyTorch中的Tensor可以和numpy的ndarra ...
深入浅出Pytorch：02 PyTorch基础知识
深入浅出Pytorch 02 PyTorch基础知识内容属性:深度学习(实践)专题航路开辟者:李嘉骐.牛志康.刘洋.陈安东领航员:叶志雄航海士:李嘉骐.牛志康.刘洋.陈安东开源内容:http ...
[PyTroch系列-3]：PyTorch基础 - Hello World程序与张量（Tensor）概述
作者主页(文火冰糖的硅基工坊):https://blog.csdn.net/HiWangWenBing 本文网址:https://blog.csdn.net/HiWangWenBing/article ...
【深度之眼PyTorch框架班第五期】作业打卡01：PyTorch简介及环境配置；PyTorch基础数据结构——张量
文章目录任务名称任务简介详细说明作业 1. 安装anaconda,pycharm, CUDA+CuDNN(可选),虚拟环境,pytorch,并实现hello pytorch查看pytorch的 ...
PyTorch基础（一）-----张量（Tensor）
前言很多人都会拿PyTorch和Google的Tensorflow进行比较,这个肯定是没有问题的,因为他们是最火的两个深度学习框架了.但是说到PyTorch,其实应该先说Torch. 什么是Torc ...
01 Python学习--第一周--开课介绍、数据类型、数据运算、表达式、循环、三元运算、对象基本概念...
模块一主要内容开课介绍 python发展介绍第一个python程序变量字符编码与二进制字符编码的区别与介绍用户交互程序 if else流程判断 while 循环 while 循环优化版本 ...

PyTorch基础-Tensor的属性,数据,运算-01

Tensor的属性

Tensor的数据创建

基本运算操作

数据的索引

自动求导

PyTorch基础-Tensor的属性,数据,运算-01相关推荐

最新文章

热门文章