pytorch 張量 張量的生成

張量的生成：

import torch

import numpy as np
# 使用tensor.tensor()函式構造張量
a = torch.tensor([[
1.0,
1.0],[
2.,2
.]])
print
(a)# 獲取張量的維度
print
("張量的維度"
, a.shape)
# 獲取張量的形狀大小
print
("張量的大小"
, a.size())
# 獲取張量中元素的個數
print
("張量的元素個數"
, a.numel())
# 使用tensor.tensor()函式構造張量時
# 可以使用引數dtype修改張量的資料型別
# 使用requires_grad來指定張量是否需要計算梯度
b = torch.tensor((1
,2,3
), dtype=torch.float32, requires_grad=
true
)print
(b)# 對於張量b計算sum(b^2)在每個元素上的梯度
y = b.
pow(2)
.sum()
y.backward(
)# 梯度求解的方法
# print
("梯度為"
, b.grad)
# 注意只有浮點型別的張量可以計算梯度
# torch.tensor()函式生成張量
c = torch.tensor([1
.,2.
,3.,
4.])
print
(c)# 根據形狀引數構建特定尺寸的張量
d = torch.tensor(2,
3)print
("2*3的形狀張量：\n"
, d)
# 根據已經生成的張量可以使用torch.like()系列函式生成與指定張量維度相同，性質類似的張量
print
("建立乙個與d相同大小和型別的全1張量"
, torch.ones_like(d)
)print
("建立乙個與d維度相同的全0張量"
, torch.zeros_like(d)
)print
("建立乙個與d維度相同的隨機張量"
, torch.rand_like(d)
)e =[[
1.,2
.],[
3.,4
.]]e = d.new_tensor(e)
print
("將e列表轉換為與d型別相似但尺寸不同的張量"
, d.new_tensor(e)
)print
(e.dtype)
print
(d.dtype)
print
("3*3使用1填充的張量："
, d.new_full((3
,3), fill_value=1)
)print
("3*3的全0的張量："
, d.new_zeros((3
,3))
)print
("建立乙個3*3的空張量"
, d.new_empty((3
,3))
)print
("建立乙個3*3的全一張量："
, d.new_ones((3
,3))
)# 張量和numpy資料型別的轉換
# 利用numpy陣列生成張量
f = np.ones((3
,3))
ftensor = torch.as_tensor(f)
print
(ftensor)
ftensor = torch.from_numpy(f)
print
(ftensor)
# 使用numpy生成的陣列預設就是64位浮點型陣列
# 使用torch.numpy()函式可轉換為numpy陣列
print
(ftensor.numpy())
# 隨機生成張量
torch.manual_seed(
123)
# 通過指定均值和標準差來生成隨機數
a = torch.normal(mean=
0, std=torch.tensor(
1.0)
)print
(a)# 如果mean引數和std引數有多個，那麼則生成多個隨機數
a = torch.normal(mean=
0, std=torch.arange(1,
5.0)
)print
(a)a = torch.normal(mean=torch.arange(1,
5.0)
, std=torch.arange(1,
5.0)
)print
(a)# 使用torch.rand()函式，在區間[0,1]生成均勻分布的張量
b = torch.rand(3,
4)print
(b)# 使用torch.rand_like()函式，可根據其他張量的維度，生成與其維度相同的隨機張量
c = torch.ones(2,
3)d = torch.rand_like(c)
print
(d)# 使用torch.randn()和torch.rand_like()函式則可生成服從標準正態分佈的隨機張量
print
(torch.randn(3,
3))print
(torch.rand_like(c)
)# 使用torch.randperm(n)函式則可將0~n(包含0，不包含n)之間的中的整數隨機排序後輸出
print
(torch.randperm(10)
)# 其他生成張量的函式
# start指定開始，end指定結束,step指定步長
print
(torch.arange(start=
0, end=
10, step=2)
)# torch.linspace()函式在範圍內生成固定數量的等間隔張量
print
(torch.linspace(start=
0, end=
10, steps=10)
)# torch.logspace()函式生成一對數為間隔的張量
print
(torch.logspace(start=
0, end=
10, steps=10)
)# 生成全0張量
print
(torch.zeros(3,
3))# 生成全1張量
print
(torch.ones(3,
3))# 生成單位張量
print
(torch.eye(3,
3))# 生成用0.25填充的張量
print
(torch.full((3
,3), fill_value=
0.25
))

pytorch 張量 張量的資料型別

張量定義 import torch torch.tensor 1.2 3.4 dtype 獲取張量的資料型別，其中torch.tensor 函式生成乙個張量 torch.float32 torch.set default tensor type torch.doubletensor 設定張量的預設資...

pytorch張量追蹤

torch.tensor 是這個包的核心類。如果設定它的屬性 requires grad 為 true，那麼它將會追蹤對於該張量的所有操作。當完成計算後可以通過呼叫 backward 來自動計算所有的梯度。這個張量的所有梯度將會自動累加到.grad屬性.要阻止乙個張量被跟蹤歷史，可以呼叫 detac...

pytorch 張量重構view

view在pytorch中是用來改變張量的shape的，簡單又好用。pytorch中view的用法通常是直接在張量名後用.view呼叫，然後放入自己想要的shape。如 tensor name.view shape example 1.直接用法 x torch.randn 4,4 x.size to...