PyTorch学习笔记一：Tensors张量
- 一、张量是什么？
- 二、张量的简单使用
- 三、参考
一、张量是什么？
其实张量可以相似地理解为多维数组。
二、张量的简单使用
1. 生成特定形状的随机张量
函数：torch.rand()
实例：
import torch
print(torch.rand(2, 3))
输出：
2. 生成某特定张量
函数：torch.tensor()
实例：
import torch
x = torch.tensor([[0,0,1],[1,1,1],[0,0,0]])
print(x)
输出：
3. 修改张量中某一元素的值
张量名[第一维序号][第二维序号]…
实例：
import torch
x = torch.tensor([[0,0,1],[1,1,1],[0,0,0]])
x[0][0] = 5
print(x)
输出：
4. 生成元素全为0的张量
函数：torch.zeros()
实例：
import torch
print(torch.zeros(3, 4))
输出：
5. 生成元素全为1的张量
函数：torch.ones()
实例：
import torch
print(torch.ones(2, 2))
输出：
6. 相同形状张量的加减乘除
实例：
import torch
a = torch.tensor([[1,1,1],[0,0,0]])
b = torch.tensor([[1,2,3],[4,5,6]])
print(a + b)
print(a - b)
print(a * b)
print(a / b)
输出：
7. 从只有一个元素的张量中取出元素的值
函数：张量名.item()
实例：
import torch
x = torch.rand(1)
y = torch.rand(1,1,1)
print(x)
print(x.item())
print(y)
print(y.item())
输出：
8. 查看张量所在设备（CPU/CUDA）
对象：张量名.device
实例：
import torch
x = torch.rand(2)
print(x.device)
输出：
9. 将一个张量复制到另一个设备
函数：张量名.to(设备名)
实例：
import torch
x = torch.rand(2)
y = x.to('cuda')
print(y.device)
输出：
10. 取张量中最大/最小的一个元素做一个新的张量
函数：张量名.max()/min()
实例：
import torch
x = torch.rand(2,3)
print(x)
print(x.max())
print(x.max().item())
print()
print(x.min())
输出：
11. 查看张量类型
函数：张量名.type()
实例：
import torch
x = torch.rand(2,3)
print(x.type())
输出：
12. 张量类型转换
函数：张量名.to(dtype)
实例：
import torch
x = torch.tensor([[1,2.2,3],[4,5,0.3]])
y = x.to(dtype=torch.int)
print(y)
print(y.type())
输出：
15. 查看张量形状
对象：张量名.shape
实例：
import torch
x = torch.tensor([[1,2,3],[4,5,6]])
print(x.shape)
输出：
14. 张量的形状改变
函数：张量名.reshape()
实例：
import torch
x = torch.tensor([[1,2,3],[4,5,6]])
y = x.reshape(6)
print(y)
print(y.shape)
输出：
15. 改变张量维度顺序
函数：张量名.permute()
实例：
import torch
x = torch.tensor([[1,2,3],[4,5,6]])
y = x.permute(1,0)
print(y)
print(y.shape)
输出：
16. 张量的广播
实例：
import torch
x = torch.tensor([[1,2,3],[4,5,6]])
print(x * 2)
输出：
三、参考
《Programming PyTorch for Deep Learning》
