PyTorch Tensor(二)
Tensor常见命令
1.创建操作
1.1 torch.eye
返回一个2维张量，对角线位置全1，其它位置全0，返回值类型Tensor
torch.eye(n, m=None, out=None)
参数：
- n (int ) – 行数
- m (int, optional) – 列数.如果为None,则默认为n
- out (Tensor, optinal) - Output tensor
torch.eye(3)
tensor([[1., 0., 0.],
[0., 1., 0.],
[0., 0., 1.]])
1.2 torch.linspace
torch.linspace(start, end, steps=100, out=None) → Tensor
返回一个1维张量，包含在区间start 和 end 上均匀间隔的steps个点。 输出1维张量的长度为steps。注意steps不是步长。
参数：
- start (float) – 序列的起始点
- end (float) – 序列的最终值
- steps (int) – 在start 和 end间生成的样本数
- out (Tensor, optional) – 结果张量
torch.linspace(3, 12, steps=5)
tensor([ 3.0000, 5.2500, 7.5000, 9.7500, 12.0000])
1.3 torch.rand和torch.randn
rand是[0,1)均匀分布，randn是标准正太分布
torch.rand(*sizes, out=None) → Tensor
torch.randn(*sizes, out=None) → Tensor
形状由可变参数size确定
x = torch.rand(2,2)
x
tensor([[0.9483, 0.6083],
[0.0579, 0.0638]])
y = torch.randn(3,3)
y
tensor([[ 0.3220, -2.4360, -0.0790],
[-0.1366, -0.5444, 1.4342],
[ 0.7295, -1.3341, 0.2022]])
类似的ones,zeros用法跟上面一样。
1.4 torch.arange() 和torch.range()
torch.arange(start, end, step=1, out=None) → Tensor
torch.range(start, end, step=1, out=None) → Tensor
返回一个1维张量，长度为 floor((end−start)/step)。包含从start到end，以step为步长的一组序列值(默认步长为1)
参数：
- start (float) – 序列的起始点
- end (float) – 序列的最终值
- step (int) – 相邻点的间隔大小【步长】
- out (Tensor, optional) – 结果张量
建议使用torch.arange(),另外，python讲究左闭右开
torch.arange(1,50,10)
tensor([ 1, 11, 21, 31, 41])
2.切片，索引，连接，换位
2.1 torch.cat()
torch.cat(inputs, dimension=0) → Tensor
在给定维度上对输入的张量序列seq 进行连接操作。
参数：
- inputs (sequence of Tensors) – 可以是任意相同Tensor 类型（float,long,duoble）python 序列
- dimension (int, optional) – 沿着此维连接张量序列
## 例子
x = torch.randn(1,3)
x
tensor([[-0.0675, -0.5289, -0.3090]])
y = torch.cat((x,x,x),0)
y
tensor([[-0.0675, -0.5289, -0.3090],
[-0.0675, -0.5289, -0.3090],
[-0.0675, -0.5289, -0.3090]])
z = torch.cat((x,x,x),1)
z
tensor([[-0.0675, -0.5289, -0.3090, -0.0675, -0.5289, -0.3090, -0.0675, -0.5289,
-0.3090]])
torch.chunk(),torch.gather(),torch.index_select(),torch.masked_select()查看官方文档：https://pytorch-cn.readthedocs.io/zh/latest/package_references/torch/
2.2 torch.squeeze
torch.squeeze(input, dim=None, out=None)
将输入张量形状中的1去除并返回。 如果输入是形如(A×1×B×1×C×1×D)，那么输出形状就为： (A×B×C×D)
当给定dim时，那么挤压操作只在给定维度上。例如，输入形状为: (A×1×B), squeeze(input, 0)将会保持张量不变，只有用 squeeze(input, 1)，形状会变成 (A×B)。
注意： 返回张量与输入张量共享内存，所以改变其中一个的内容会改变另一个。
参数：
- input (Tensor) – 输入张量
- dim (int, optional) – 如果给定，则
input只会在给定维度挤压 - out (Tensor, optional) – 输出张量
# 例
x = torch.ones(2,1,2,1,2)
x.size()
torch.Size([2, 1, 2, 1, 2])
y = torch.squeeze(x)
y.size()
torch.Size([2, 2, 2])
y = torch.squeeze(x, 0)
y.size()
torch.Size([2, 1, 2, 1, 2])
y = torch.squeeze(x, 1)
y.size()
torch.Size([2, 2, 1, 2])
2.3 torch.unsqueeze()
torch.unsqueeze(input, dim, out=None)
返回一个新的张量，对输入的指定位置插入维度 1
注意： 返回张量与输入张量共享内存，所以改变其中一个的内容会改变另一个。
# 例
x = torch.Tensor([1,2,3]) # 这里tensor小写大写没有区别
y = torch.unsqueeze(x,0)
z = torch.unsqueeze(x, 1)
print(y)
print(z)
tensor([[1., 2., 3.]])
tensor([[1.],
[2.],
[3.]])
2.4 torch.t 和transpose 实现转置
z
tensor([[1.],
[2.],
[3.]])
torch.t(z)
tensor([[1., 2., 3.]])
参考：
PyTorch中文文档