模板网站建设推广,门户网站建设管理工作方案,网站开发设计资讯,网站建设方案推广一、数据操作
在PyTorch中#xff0c;torch.Tensor是存储和变换数据的主要工具。
tensor这个单词一般可译作“张量”#xff0c;张量可以看作是一个多维数组。
标量可以看作是0维张量#xff0c;向量可以看作1维张量#xff0c;矩阵可以看作是二维张量。1、t…一、数据操作
在PyTorch中torch.Tensor是存储和变换数据的主要工具。
tensor这个单词一般可译作“张量”张量可以看作是一个多维数组。
标量可以看作是0维张量向量可以看作1维张量矩阵可以看作是二维张量。1、torch.arange() 和torch.linspace
# arange(s, e, step) 从s到e步长为step
x8 torch.arange(1, 10, 2)
# print(x8)# linspace(s, e, steps) 从s到e均匀切分成steps份
x9 torch.linspace(2,8,3)
# print(x9)2、torch.range() 和torch.arange() 的区别 ytorch.range(1,6)y
tensor([1., 2., 3., 4., 5., 6.])y.dtype
torch.float32 ztorch.arange(1,6)z
tensor([1, 2, 3, 4, 5])z.dtype
torch.int643、torch.randn与torch.rand的区别
randn
torch.randn(*sizes, outNone) → Tensor返回一个包含了从标准正态分布中抽取的一组随机数的张量
size张量的形状
out结果张量
rand
torch.rand(*sizes, outNone) → Tensor返回一个张量包含了从区间[0, 1)的均匀分布中抽取的一组随机数
4、NumPy数组与Tensor的互相转换共享内存
NumPy转Tensortorch.from_numpy() Tensor转NumPynumpy() 另可以使用 torch.tensor() 将NumPy数组转换成Tensor但不再共享内存
5、Tensor on GPU
if torch.cuda.is_available():device torch.device(cuda) # GPUy torch.ones_like(x, devicedevice) # 直接创建一个在GPU上的Tensorx x.to(device) # 等价于 .to(cuda)z x yprint(z)print(z.to(cpu, torch.double)) # to()还可以同时更改数据类型6、索引
索引出来的结果与元数据共享内存
x torch.tensor([[1, 2, 3], [4, 5, 6]])
print(x)
y x[0, :] # 取出第一行
print(y)
y 1
print(y)
print(x[0, :]) # 源tensor也被改了输出
tensor([[1, 2, 3],[4, 5, 6]])
tensor([1, 2, 3])
tensor([2, 3, 4])
tensor([2, 3, 4])7、广播机制
当对两个形状不同的Tensor按元素运算时可能会触发广播broadcasting机制先适当复制元素使这两个Tensor形状相同后再按元素运算
x torch.arange(1, 3).view(1, 2)
print(x)
y torch.arange(1, 4).view(3, 1)
print(y)
print(x y)输出
tensor([[1, 2]])
tensor([[1],[2],[3]])
tensor([[2, 3],[3, 4],[4, 5]])
