张量的定义

张量的概念

访问元素

张量常用数据类型

张量的创建及其数据类型转换

张量的简单创建

张量的数据类型转换

常用的基础函数

张量的定义

张量的概念

张量(Tensor)是Pytorch、TensorFlow等深度学习框架的基础运算单位，与python中Numpy工具包的ndarray类似。不同的是GPU可以很好地支持加速计算，而Numpy仅支持CPU计算，这样可以哒哒地加快运算速度。张量为包含单一数据类型的元素的多维矩阵(没有轴只有大小的标量可以视为零阶张量，有一个轴既有大小又有方向的矢量可以视为一阶张量，有两个轴的矩阵可以视为二阶张量，具有两个轴以上的张量没有特殊的数学名称)。

访问元素

张量常用数据类型

Tensor在Pytorch中常用的基本数据类型:

torch.FloatTensor #Tensor默认数据类型32位浮点型
torch.DoubleTensor #64位浮点型
torch.LongTensor #64位整型
torch.IntTensor #32位整型
torch.ShortTensor #16位整型

不常用数据类型:

torch.BoolTensor #布尔类型
torch.ByteTensor #byte类型
torch.HalfTensor #半精度浮点类型
torch.CharTensor #char类型

张量的创建及其数据类型转换

张量的简单创建

torch.tensor---只创建torch.FloatTensor类型的张量(可以说是torch.empty的特例)

常用参数

data ：张量的初始数据,可以是列表、元组、numpy.ndarray、标量等类型

dtype ：返回张量所需数据类型，默认值为None，推断data数据类型

device ：返回张量的所需设备，默认值为None，使用当前设备作为默认张量类型。（cpu/gpu）

a = torch.tensor([[0.1, 1.2], [2.2, 3.1], [4.9, 5.2]])

a: tensor([[0.1000, 1.2000],
[2.2000, 3.1000],
[4.9000, 5.2000]])
a.dtype: torch.float32
a.device: cpu

b = torch.tensor([[0.11111, 0.222222, 0.3333333]],dtype=torch.float64,device=torch.device('cuda:0'))

tensor([[0.1111, 0.2222, 0.3333]], device='cuda:0', dtype=torch.float64)

torch.empty()---创建任意数据类型的张量

常用参数

size ：定义tensor的shape

dtype：指定返回tensor的数据类型

out : 把A张量赋给该张量，具体请看下面demo

a = torch.empty([3, 4], dtype=torch.int8)

输出(每次输出均不同):

tensor([[ 0, 109, -31, -90],
[ 60, 2, 0, 0],
[-128, 72, 43, 114]], dtype=torch.int8)

demo1:

a = torch.ones(3,4)
print(a)b = torch.empty([4,4],out=a)
print(b, '\n', a)

out会把前面已创建的张量元素赋值给该张量，并使之前张量变为该张量。

tensor([[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.]])
tensor([[1.0000e+00, 1.0000e+00, 1.0000e+00, 1.0000e+00],
[1.0000e+00, 1.0000e+00, 1.0000e+00, 1.0000e+00],
[1.0000e+00, 1.0000e+00, 1.0000e+00, 1.0000e+00],
[8.9082e-39, 8.9082e-39, 9.1837e-39, 1.0653e-38]])
tensor([[1.0000e+00, 1.0000e+00, 1.0000e+00, 1.0000e+00],
[1.0000e+00, 1.0000e+00, 1.0000e+00, 1.0000e+00],
[1.0000e+00, 1.0000e+00, 1.0000e+00, 1.0000e+00],
[8.9082e-39, 8.9082e-39, 9.1837e-39, 1.0653e-38]])

张量的数据类型转换

tensor.type()（XXXXTensor去掉Tensor）

例如：tensor.long()

把默认floattensor转换为longtensor

tensor = torch.randn(2,2)# torch.long() 将tensor转换为long类型
long_tensor = tensor.long()

torch.FloatTensor
torch.LongTensor

常用的基础函数

torch.numel()---返回张量中元素的个数

参数

input ：输入张量

a = torch.randn(1, 2, 3, 4, 5)#返回填充正态分布中随机数的五维张量
torch.numel(a)                #返回张量中元素的数量
120b = torch.zeros(4,4)          #创建一个4*4的零矩阵
torch.numel(b)                #返回张量中元素的数量
16

torch.randn()---从均值为0方差为1的正态分布(标准正态分布)中返回一个填充随机数的张量。

常用参数

size ：定义输出张量形状的整数序列。可以是可变数量的参数或像列表或元组这样的集合。

torch.randn(4)
tensor([-0.8278,  0.5125, -0.5062, -0.5426])torch.randn(2,3)
tensor([[ 0.2056,  0.3492, -0.0945],[ 0.0401, -0.1669,  1.2944]])torch.randn(2,3,4)
tensor([[[-0.4541, -0.8035,  1.0739,  0.4186],[-0.6344, -0.9139, -0.1677,  0.0961],[-0.7515, -0.6628,  1.6266,  1.1239]],[[ 1.3485,  0.4935,  0.8326, -0.1125],[-0.4228,  0.4704, -2.5847, -0.1034],[ 0.2142, -0.2088, -0.0864, -1.1074]]])

待更！

pytorch--初识张量与常见基础函数(1)相关推荐

pytorch基础函数学习
深度学习框架,似乎永远离不开哪个最热哪个最实用的话题,自己接触甚浅,尚不敢对齐进行大加评论,这里也只是初步接触.目前常见的有TensorFlow,pytorch,Keras等,至于目前哪个做好用,就像 ...
PyTorch | （2）PyTorch 入门-张量
PyTorch | (1)初识PyTorch PyTorch | (2)PyTorch 入门-张量 PyTorch 是一个基于 Python 的科学计算包,主要定位两类人群: NumPy 的替代品,可 ...
神经网络与深度学习（二） pytorch入门——张量
本文章通过参考飞桨AI Studio - 人工智能学习与实训社区教程进行pytorch相关学习. 目录一. 概念:张量.算子二. 使用pytorch实现张量运算 1.2.1 创建张量 1.2. ...
[源码解析] PyTorch 流水线并行实现 (1)--基础知识
[源码解析] PyTorch 流水线并行实现 (1)–基础知识文章目录 [源码解析] PyTorch 流水线并行实现 (1)--基础知识 0x00 摘要 0x01 历史 1.1 GPipe 1.2 ...
c++将小写转换为大写函数_必须掌握的基础函数组合应用技巧，提高效率，准时下班...
点击上方"Excel函数公式"免费订阅货币,生活中必不可少的东西,是物品价值等的直接体现,在实际的工作中也经常遇到,如果给定的数据中,要对其进行格式的设置,你会怎么做? 一.Do ...
【数据库】第二章基础函数、聚合函数、条件查询、子查询和多表查询
[数据库]第二章基础函数.条件查询.聚合函数.多表查询和子查询文章目录 [数据库]第二章基础函数.条件查询.聚合函数.多表查询和子查询一.基础函数二.聚合函数 1.COUNT 2.MAX/M ...
Java常见基础笔试+面试题
Java常见基础面试题总结原:https://blog.csdn.net/qq_16633405/article/details/79211002 1.什么是Java虚拟机?为什么Java被称作是& ...
Pytorch中tensor.view().permute().contiguous()函数理解
Pytorch中tensor.view().permute().contiguous()函数理解 yolov3中有一行这样的代码,在此记录一下三个函数的含义 # 例子中batch_size为整型,le ...
GaussDB数据库基础函数介绍-上
目录一.函数在数据库中的作用二.GaussDB常用基础函数介绍与示例 1.数字操作函数 2.时间和日期处理函数 3.类型转换函数 4.数组函数 5.范围函数 6.窗口函数 7.聚集函数 8.安全函 ...

pytorch--初识张量与常见基础函数(1)

张量的定义

张量的概念

访问元素

张量常用数据类型

张量的创建及其数据类型转换

张量的简单创建

张量的数据类型转换

常用的基础函数

pytorch--初识张量与常见基础函数(1)相关推荐

最新文章

热门文章