Pytorch——如何创建一个tensor与索引和切片(一)

创建Tensor

numpy是一个非常常见的数据的一个载体，数据可以先从numpy中间先导进tensor来；

1、从numpy引入 import from numpy

a=np.array([2,3.3])#从numpy中创建一个dim=1，长度为2的一个向量；
print(torch.from_numpy(a))#使用torch.from_numpy()的函数将numpy作为参数导进来，数据维持不变
#输出结果为tensor([2.0000,3.3000],dtype=torch.float(64))a=np.ones([2,3])#使用numpy的ones（）函数新建了一个矩阵，三行两列
print(torch.from_numpy(a))#输出结果([[1.,1.,1.],[1.,1.,1.]],dtype=torch.float(64))

2、从list导入 import from list

#如果只用导入一个小数据量的数据，则可以不用numpy作为数据载体，可以直接在数据的参数里面使用类似的方法承载进去
a=torch.tensor([2.,3.2]) #创建一个向量
print(a) #输出结果tensor（[2.0000，3.2000]）a=torch.FloatTensor([2.,3.2])
print(a) #输出结果tensor（[2.0000，3.2000]）a=torch.tensor([2.,3.2],[1.,22.3 ])
print(a)

FloatTensor和tensor的区别：

FloatTensor，是接受shape作为参数，指定一个维度，生成一个没有初始化的数组类型（接受数据的维度）；

tensor，是接受现有的数据；

3、怎么生成数据未初始化的数据

比如说我们要申请一片内从空间，不需要初始化，未初始化的数据不是说没有数据，而是数据一般是非常随机的，读写的时候可能会出现非常非常不规则的数据。

第一，可以直接使用empty()函数：Torch.empty()

第二，使用FloatTensor（）函数，推荐使用的，给定一个shape，比如说，我们要生成一个CNN的图片，那就是说图片的第一个维度是80size，第二个维度是如果你用的是mini的数据集，第三个维度是28，第四个维度是28，因此我们使用float参数来生成这样。Torch.FloatTensor([3,1,28,28])

如果是生成int类型的tensor，就是Torch.TntTensor（d1，d2，d3）

未初始化的api使用的时候把它作为一个容器，后面要把数据写进来，不然直接使用，可能会造成一系列的问题。

4、设置默认的数据类型 set default type

torch.tensor([1.2,3]).type() #查看tensor的数据类型#把默认的数据类型改为double
torch.set_default_tensor_type(torch.DoubleTensor)

一般来说在pytorch中都会使用DoubleTensor的数据类型，因为精度比较高。

索引

1、最简单的索引，直接给定索引

a=torch.rand(4,3,28,28)#dim=4的数据，这个数据就是我们用的CNN里面的数据输入
#第一个维度是batch_size，第二个维度是n_channels，第三个和第四个是长和宽。 print(a[0].shape) #输出结果troch.Size([3,28,28])
#给了一个维度，表示取得是第一张图片，第一张图片包括三个通道，长和宽。print(a[0,0].shape) #输出结果torch.size([28,28])
#给了两个维度，dim=0和dim=1,表示取第0张图片的第0个通道，所以size就是28x28；print(a[0,0,2,4]) #输出结果tensor(0.8082)
#表示第0张图片的第0个通道，第二行第四列的像素点打印出来。

2、高级的索引方式

a=torch.rand(4,3,28,28)#dim=4的数据，这个数据就是我们用的CNN里面的数据输入
#第一个维度是batch_size，第二个维度是n_channels，第三个和第四个是长和宽。
print(a.shape) #输出结果torch.Size([4,3,28,28])print(a[:2].shape) #输出结果torch.Size([2,3,28,28])
#表示从0张图片开始到第二张图片，不包括第二张图片，也就是0和1两张图片。print(a[:2,:1,:,:].shape) #输出结果torch.Size([2,1,28,28])
#表示从0张图片开始到第二张图片，不包括第二张图片，也就是0和1两张图片，然后0通道，也就是一个通道，后面是全部都取，也就是28x28.print(a[:2,1:,:,:].shape) #输出结果torch.Size([2,2,28,28])
#表示从0张图片开始到第二张图片，不包括第二张图片，也就是0和1两张图片，然后从1通道到最后一个通道，也就是1通道和2通道，也就是两个通道，后面是全取，也就是28x28.print(a[:2,-1:,:,:].shape) #输出结果torch.Size([2,1,28,28])
#表示从0张图片开始到第二张图片，不包括第二张图片，也就是0和1两张图片，然后从-1通道也就是最后一个通道。后面是全取，也就是28x28.#[0,1,2],正向索引就是0，1，2；反向索引就是-3，-2，-1；

3、间隔采样 select by step

a=torch.rand(4,3,28,28)#dim=4的数据，这个数据就是我们用的CNN里面的数据输入
#第一个维度是batch_size，第二个维度是n_channels，第三个和第四个是长和宽。
print(a.shape) #输出结果torch.Size([4,3,28,28])print(a[:,:,0:28:2,0:28:2].shape) #输出结果torch.Size([4,3,14,14])
#表示对所有的batch和所有的channels，高和宽上做隔行采样，0:28表示取所有的，0:28:2表示隔行print(a[:,:,::2,::2].shape) #输出结果torch.Size([4,3,14,14])
#表示对所有的batch和所有的channels，高和宽上做隔行采样，：表示取所有的，：:2表示隔行#通用形式： start:end:step

Pytorch——如何创建一个tensor与索引和切片(一)相关推荐

Pytorch——如何创建一个tensor与索引和切片(二)
1.两种常见的随机初始化 (1) rand函数 rander函数就是随机的使用0和1的均值分布来初始化,也就是说它从零和一的空间中随机的均匀的sample出来,这样数据就回均匀的分布在0和1之间. t ...
【小白学习PyTorch教程】十五、BERT：通过PyTorch来创建一个文本分类的Bert模型
@Author:Runsen 2018 年,谷歌发表了一篇题为<Pre-training of deep bidirectional Transformers for Language Unde ...
Pytorch中Tensor的索引，切片以及花式索引(fancy indexing)
目录理解Tensor的dim 索引简单索引用1维的list,numpy,tensor索引用booltensor索引切片花式索引结语前一段时间遇到一个花式索引的问题,在搜索良久之后没有找 ...
数据库表的基本操作——创建一个表，索引和查询
1.定义基本表.删除和更改 (1)定义基本表 create table <表名>(<列名><数据类型>[列级完整性约束条件] [,<列名>< ...
python如何创建一个列表,在python中创建一个由列表索引的字典
I would like to create a dictionary which is indexed by lists. For instance, my dictionary should lo ...
Tensor的索引与切片
作用:调取数据中某一个或者某一块想取的数据 (1)常规索引方式(即a[ ][ ][ ]的方式) In [16]: a = tf.ones([3,28,28,3])In [17]: a[0][5][7] ...
PyTorch教程（三）：索引与切片
a = torch.rand(4,3,28,28) # 4张图片,3通道,高度28,宽度28a[0].shape # torch.Size([3, 28, 28]) 表示第0张图片的shape是3通道 ...
【PyTorch】1入门——Tensor、自动微分、神经网络、PyTorch 图像分类
PyTorch60min入门教程 1. PyTorch简介 2. 快速入门 2.1 安装与配置 2.2 PyTorch入门第一步 2.2.1 Tensor 2.2.2 自动微分 2.2.3 神经网络 ...
解决使用copy.deepcopy()拷贝Tensor或model时报错只支持用户显式创建的Tensor问题
模型训练过程中常需边训练边做validation或在训练完的模型需要做测试,通常的做法当然是先创建model实例然后掉用load_state_dict()装载训练出来的权重到model里再调用mode ...

Pytorch——如何创建一个tensor与索引和切片(一)

Pytorch——如何创建一个tensor与索引和切片(一)相关推荐

最新文章

热门文章