建立操作續2
torch.logspace(start, end, steps=100, base=10.0, out=none, dtype=none, layout=torch.strided, device=none, requires_grad=false) → tensor
返回乙個一維的張量，使用對數，從start到end。比如在start處，值是10，base是2，那麼start對應的值輸出為2的10次方。引數start(float)：點集的開始值
end：點集的結束值
steps(int)：預設100，在start和end之間點集的數量
base(float)：對數函式的底值，預設10.0
out(tensor，可選引數)：輸出張量
dtype
layout
device
requires_grad
例子》 torch.logspace(start=-10, end=10, steps=5)tensor([ 1.0000e-10, 1.0000e-05, 1.0000e+00, 1.0000e+05, 1.0000e+10])>>> torch.logspace(start=0.1, end=1.0, steps=5)tensor([ 1.2589, 2.1135, 3.5481, 5.9566, 10.0000])>>> torch.logspace(start=0.1, end=1.0, steps=1)tensor([1.2589])>>> torch.logspace(start=2, end=2, steps=1, base=2)tensor([4.0])
torch.eye(n, m=none, out=none, dtype=none, layout=torch.strided, device=none, requires_grad=false) → tensor
返回乙個2維的張量，對角是1，其餘位置是0。引數n(int)：行數
m(int，可選引數)：列數，預設等於n
out(tensor，可選引數)
dtype
layout
device
requires_grad
例子》 torch.eye(3)tensor([[ 1., 0., 0.], [ 0., 1., 0.], [ 0., 0., 1.]])
torch.empty(*size, out=none, dtype=none, layout=torch.strided, device=none, requiresgrad=false, pinmemory=false) → tensor
返回乙個未初始化的張量，形狀由size指定 引數：size(int...)：整數序列，可以是集合，list，tuple等等
outdtype
layout
device
requires_grad
pin_memory(bool，可選引數)：只對cpu張量有效，預設false，用來確定是否分配在乙個固定的記憶體
memory_format
例子》 torch.empty(2, 3)tensor(1.00000e-08 * [[ 6.3984, 0.0000, 0.0000], [ 0.0000, 0.0000, 0.0000]])
torch.emptylike(input, dtype=none, layout=none, device=none, requiresgrad=false, memoryformat=torch.preserveformat) → tensor
返回乙個未初始化的張量，和oneslike()和zeroslike()方法類同。
例子》 torch.empty((2,3), dtype=torch.int64)tensor([[ 9.4064e+13, 2.8000e+01, 9.3493e+13], [ 7.5751e+18, 7.1428e+18, 7.5955e+18]])
torch.full(size, fillvalue, out=none, dtype=none, layout=torch.strided, device=none, requiresgrad=false) → tensor
返回乙個指定值，且全部填充了的張量 引數size(int...)
fill_value：輸出張量需要填充的值
outdtype
layout
device
requires_grad
例子》 torch.full((2, 3), 3.141592)tensor([[ 3.1416, 3.1416, 3.1416], [ 3.1416, 3.1416, 3.1416]])
torch.fulllike(input, fillvalue, out=none, dtype=none, layout=torch.strided, device=none, requiresgrad=false, memoryformat=torch.preserve_format) -> tensor
參考函式名稱字尾帶like的使用
torch.quantizepertensor(input, scale, zero_point, dtype) → tensor
根據給出的scale和零點，把浮點型別的張量量化成的新張量 引數input(tensor)：需要轉化的張量
scale(float)：
zero_point(int)：原點的位移
dtype
例子》 torch.quantize_per_tensor(torch.tensor([-1.0, 0.0, 1.0, 2.0]), 0.1, 10, torch.quint8)tensor([-1., 0., 1., 2.], size=(4,), dtype=torch.quint8, quantization_scheme=torch.per_tensor_affine, scale=0.1, zero_point=10)>>> torch.quantize_per_tensor(torch.tensor([-1.0, 0.0, 1.0, 2.0]), 0.1, 10, torch.quint8).int_repr()tensor([ 0, 10, 20, 30], dtype=torch.uint8)
tensorflow中張量 常量 變數 佔位符
從例項出發 先導入tensorflow import tensorflow as tf create tensorflow object called hello constant hello constant tf.constant hello world with tf.session as s...
tensorflow2 0 建立張量2
建立全0全1張量 a tf.ones shape 3,5 print a a b tf.ones 6 print b b c tf.zeros 2,3 dtype tf.int32 print c c print 建立元素值都相同的張量 a tf.fill 3,4 3.9 print 全相同張量fi...
Tensorflow2 0學習筆記 建立張量
使用constant建立張量 使用constant函式建立張量 其中 1，5 表示張量內容，dtype表示資料型別 a tf.constant 1,5 dtype tf.int32 輸出a，a的資料型別，a的形狀 print a print a.dtype print a.shape 輸出結果 tf...