pytorch入门，Tensors张量
什么是张量
https://www.zhihu.com/question/23720923知乎可以看看，虽然看不太懂吧
pytorch中张量
张量（Tensors)
张量类似于numpy的ndarrays，不同之处在于张量可以使用GPU来加快计算。
from __future__ import print_function
import torch构建一个未初始化的5*3的矩阵：
x = torch.Tensor(5, 3)
print(x)输出 ：
1.00000e-10 *
-1.1314 0.0000 -1.1314
0.0000 0.0000 0.0000
0.0000 0.0000 0.0000
0.0000 0.0000 0.0000
0.0000 0.0000 0.0000
[torch.FloatTensor of size 5x3]构建一个随机初始化的矩阵
x = torch.rand(5, 3)
print(x)输出：
[[0.2475, 0.0531, 0.1944],
[0.8902, 0.5929, 0.9189],
[0.8254, 0.4602, 0.8709],
[0.2652, 0.8813, 0.9607],
[0.9615, 0.5618, 0.3431]]
[torch.FloatTensor of size 5x3]获取矩阵的大小：
print(x.size())输出:
torch.Size([5, 3])注意
torch.Size实际上是一个元组，所以它支持元组相同的操作。
操作
张量上的操作有多重语法形式，下面我们一加法为例进行讲解。
语法1
y = torch.rand(5,3)
#输出
print(y)
[[0.2492, 0.1385, 0.9537],
[0.2903, 0.9815, 0.4912],
[0.9231, 0.8237, 0.1434],
[0.5521, 0.2803, 0.3559],
[0.5036, 0.8756, 0.6960]]y = torch.rand(5, 3)
print(x + y)输出:
[[0.4967, 0.1916, 1.1481],
[1.1805, 1.5744, 1.4101],
[1.7485, 1.2839, 1.0143],
[0.8173, 1.1616, 1.3166],
[1.4651, 1.4374, 1.0391]]
[torch.FloatTensor of size 5x3]语法二
print(torch.add(x, y))输出：
[[0.4967, 0.1916, 1.1481],
[1.1805, 1.5744, 1.4101],
[1.7485, 1.2839, 1.0143],
[0.8173, 1.1616, 1.3166],
[1.4651, 1.4374, 1.0391]]
[torch.FloatTensor of size 5x3]语法三：给出一个输出向量
result = torch.Tensor(5, 3)
torch.add(x, y, out=result)
print(result)输出：
[[0.4967, 0.1916, 1.1481],
[1.1805, 1.5744, 1.4101],
[1.7485, 1.2839, 1.0143],
[0.8173, 1.1616, 1.3166],
[1.4651, 1.4374, 1.0391]]
[torch.FloatTensor of size 5x3]语法四：原地操作（in-place）
# 把x加到y上
y.add_(x)
print(y)输出：
[[0.4967, 0.1916, 1.1481],
[1.1805, 1.5744, 1.4101],
[1.7485, 1.2839, 1.0143],
[0.8173, 1.1616, 1.3166],
[1.4651, 1.4374, 1.0391]]
[torch.FloatTensor of size 5x3]注意
任何在原地(in-place)改变张量的操作都有一个’_’后缀。例如x.copy_(y), x.t_()操作将改变x.
你可以使用所有的numpy索引操作。
print(x[:, 1])输出：
[0.3655, 0.7734, 0.0316, 0.9519, 0.3036]
[torch.FloatTensor of size 5]