Pytorch基礎 一 資料型別和建立資料

pytorch中的資料型別主要是tensor：

這種資料型別與python直譯器本身資料型別可以對應。但str型別有所不同。一般用一下幾種方式表示字串：

型別檢驗：

a = torch.randn(2,

3)# 輸出a的型別
# 法1
print
(a.type()
)# 'torch.floattensor'
# 法2
print
(type
(a))
# torch.floattensor
# 在程式中做資料型別的合法化檢驗可以用isinstance函式
isinstance
(a, torch.floattensor)
# true
##########放在cpu和gpu上的資料型別會不同##########
isinstance
(a, torch.cuda.floattensor)
# false
a = a.cuda(
)isinstance
(a, torch.cuda.floattensor)
# true

# 標量在pytorch中是零維的tensor

a = torch.tensor(
2.2)
print
(a.shape)
# torch.size()
print
(len
(a.shape)
)# 0
print
(a.size())
# torch.size()

a = torch.tensor(

[1.1
,2.2])
# tensor接受的這個向量具體的資料
a = torch.floattensor(2)
# 帶資料型別的，比如floattensor，接收的是這個向量的長度，這裡長度為2，具體資料為隨機初始化
# 也可從numpy中引入
a = np.ones(2)
torch.from_numpy(a)

a = torch.randn(2,

3)print
(a.shape)
# torch.size([2, 3])
print
(a.shape(0)
)# 2
print
(a.shape(1)
)# 3

a = torch.rand(1,

2,3)
print
(a.shape)
# torch.size([1, 2, 3])
list
(a.shape)
# [1, 2, 3]

a.numel(

)# 返回a所佔的記憶體數量大小(各個維度相乘)
a.dim(
)# 返回a的維度

a = np.array(

[2.2
,3.3])
# 在np中建立乙個張量
torch.from_numpy(a)
# 將這個array轉化為torch中的tensor（從numpy匯入的float會變成double）

a = torch.tensor(

[2.2
,3.3])
# 直接將list放入tensor中
# 注意，torch.tensor與torch.tensor不同
# torch.tensor接收的是張量的data
# torch.tensor接收的是張量的shape，在特殊情況下也會接收data
a = torch.tensor(2,
3)# 這種格式是建立兩行三列的乙個二維張量，隨機初始化
a = torch.tensor([2
,3])
# 這種格式是建立乙個資料為[2,3]的張量。
# 為了避免混淆，一般只用torch.tensor接收具體資料，只用torch.tensor/torch.floattensor接受shape

a = torch.empty(2,

3)# 接收shape
# 下面這種接收shape的方式也是會建立未初始化的張量
a = torch.inttensor(2,
3)a = torch.tensor(2,
3)

# 範圍為[min,max)的均勻取樣的隨機張量

a = torch.rand(2,
3)# 接收shape，均勻取樣隨機建立0到1之間的資料（不包括1）
b = torch.rand_like(a)
# 以rand的方式建立乙個shape與a相同的tensor
a = troch.randint(1,
10,[2
,3])
# 整型的隨機張量，均勻取樣範圍1到10（不包括10），shape為[2,3]
#範圍為[min,max)的正態分佈的隨機張量
a = torch.randn(3,
3)# 均值為0標準差為1的正態分佈隨機量，shape為[3,3]

a = torch.full([2

,3],
4)# shape為[2,3]的張量，資料全部賦值為4

a = torch.arange(0,

6,2)
# 返回tensor([0,2,4])，前兩個引數是範圍，範圍包括左邊不包括右邊，最後乙個引數是公差
# 返回tensor([0.,1.,2.,3.])。前兩個引數是範圍，範圍左右兩邊都能包括，最後乙個引數是等分的數量
a = torch.linspace(0,
3, steps =4)
# 生成10^1到10^2的，5個數構成的等比數列
a = torch.logspace(1,
2,base =
10, steps =
5)

a = torch.ones(2,

3)# 全部是1的張量
a = torch.zeros(2,
3)# 全部是0的張量
a = torch.eye(2,
3)# 單位矩陣
# 將兩組有對應關係的tensor進行打亂，但不改變對應關係，這時候可以用torch.randperm()
a = torch.tensor([[
100,99,
98],[
61,62,
63]])
b = troch.tensor([[
1,2,
3],[
6,7,
8]])
idx = torch.tensor([1
,0])
a = a[idx]
b = b[idx]

c 基礎（一） 資料型別

c 的資料型別分為兩類 值和引用，值型是乙個長度固定的資料，引用型是乙個長度可變的。具體來說 值 整數型 浮點數 布林型 字元型 結構 列舉 六種 引用 c 預定義引用 陣列 類 介面 下面具體介紹 整數型 8 16 32 64位，每種又有正負和非負兩種整數，共8種，sbyte byte short...

C 基礎（一） 資料型別

using system namespace base 01 endregion 說明 1 每個程式只能有乙個main方法 2 region 摺疊塊,endregion可以實現 塊摺疊 3 c 需要引用命名空間，類似於c 新增標頭檔案，命名空間裡有相關類。例如console是system名字空間裡的...

C 基礎 一 資料型別

常量的定義 1.define 2.const 注意 define 的形式不要在結尾寫分號了 include using namespace std define day 7 int main 資料型別 1.整形 short 短整型2位元組 16bit int 整形4位元組 long 長整型win4位...