pytorch学习笔记（1）--pytorch张量

本文讲述pytorch张量torch.Tensor类型的构建与相互转换以及torch.type()和torch.type_as()的用法

(1) pytorch中张量的定义与类型
pytorch的张量定义有很多种，对于cpu版本有如下七种，对于gpu版本有八种类型，gpu版本的张量只需要在cpu版本的基础上增加cuda就可以了：torch.cuda.DoubleTensor(2,3)

    <1>torch.FloatTensor(2,3) 构建一个2*3 Float类型的张量
    <2>torch.DoubleTensor(2,3) 构建一个2*3 Double类型的张量
    <3>torch.ByteTensor(2,3) 构建一个2*3 Byte类型的张量
    <4>torch.CharTensor(2,3) 构建一个2*3 Char类型的张量
    <5>torch.ShortTensor(2,3) 构建一个2*3 Short类型的张量
    <6>torch.IntTensor(2,3) 构建一个2*3 Int类型的张量
    <7>torch.LongTensor(2,3) 构建一个2*3 Long类型的张量

torch.Tensor是默认的tensor类型（torch.FloatTensor）的简称。

(2)张量类型转换
[1]直接转换

    tensor = torch.FloatTensor(2,2)
    float_tensor = tensor.float()
    double_tensor = tensor.double()
    long_tensor = tensor.long()
    int_tensor = tensor.int()
    char_tensor = tensor.char()
    byte_tensor = tensor.byte()
    short_tensor = tensor.short()

[2]使用tensor.type()

    tensor = torch.FloatTensor(2,2)
    tensor.type(torch.FloatTensor)

PS:如果只是调用.type()，则返回tensor的类型

[3]使用tensor.type_as()
使用type_as(a)将tensor转化成a的类型

    tensor = torch.FloatTensor(2,2)
    tensor_ = torch.IntTensor(3,3)
    print(tensor.type_as(tensor_))
    # 没有将结果覆盖tensor的话，tensor类型保持不变
    # 如下结果覆盖
    tensor = tensor.type_as(tensor_)
    # 类型转换跟tensor的维度没有关系

参考文献
1.https://ptorch.com/news/71.html