pytorch的安装及张量基本创建
1 Pytorch的安装
1.1 Pytorch的介绍
Pytorch是一款facebook发布的深度学习框架，由其易用性，友好性，深受广大用户青睐。
1.2 Pytorch的安装
安装地址介绍：https://pytorch.org/get-started/locally/
import torch
torch.__version__
2 Pytorch中数据-张量
2.1 张量Tensor 张量是一个统称，其中包含很多类型：
0阶张量：标量、常数，
1阶张量：向量，
2阶张量：矩阵，
3阶张量
...
N阶张量
2.2 Pytorch中创建张量
a.从已有的数据中创建张量
b.从列表中创建
torch.tensor([[1., -1.], [1., -1.]])
tensor([[ 1.0000, -1.0000], [ 1.0000, -1.0000]])
c.使用numpy中的数组创建tensor
torch.tensor(np.array([[1, 2, 3], [4, 5, 6]]))
tensor([[ 1, 2, 3], [ 4, 5, 6]])
d.创建固定张量
torch.ones([3,4])
e. 创建3行4列的全为1的tensor
torch.zeros([3,4])
f. 创建3行4列的全为0的tensor
torch.ones_like(tensor) torch.zeros_like(tensor) 创建与tensor相同形状和数据类型的值全为1/0的tensor
g.torch.empty(3,4) 创建3行4列的空的tensor，会用无用数据进行填充(手工填充torch.fill_)
h.在一定范围内创建序列张量
a. torch.arange(start, end, step) 从start到end以step为步长取值生成序列
b. torch.linspace(start, end, number_steps) 从start到end之间等差生成number_steps个数字组成序列
c. torch.logspace(start, end, number_steps, base=10)在start到end之间等比生成number_steps个数字组成序列
i.创建随机张量
a. torch.rand([3,4]) 创建3行4列的随机值的tensor，随机值的区间是[0, 1)
>>> torch.rand(2, 3)
tensor([[ 0.8237, 0.5781, 0.6879],
[ 0.3816, 0.7249, 0.0998]])
b. torch.randint(low=0,high=10,size=[3,4]) 创建3行4列的随机整数的tensor，随机值的区间是[low, high)
>>> torch.randint(3, 10, (2, 2))
tensor([[4, 5], [6, 7]])
c. torch.randn([3,4]) 创建3行4列的随机数的tensor，随机值的分布式均值为0，方差为1
2.3 Pytorch中tensor的属性
a. 获取tensor中的数据
tensor.item() 当tensor中只有一个元素时
tensor.numpy() 转化为numpy数组
b.获取形状：tensor.size() tensor.shape
c.获取数据类型 tensor.dtype
d.获取阶数: tensor.dim()
2.4 tensor的修改
a.形状改变：
tensor.view((3,4)) 类似numpy中的reshape
tensor.t() 或 tensor.transpose(dim0, dim1) 转置
tensor.permute() 变更tensor的轴（多轴转置）
tensor.unsqueeze(dim) tensor.squeeze() 填充或者压缩维度
tensor.squeeze() 默认去掉所有长度是1的维度，也可以填入维度的下标，指定去掉某个维度
b.类型的指定或修改 创建数据的时候指定类型
torch.ones([2,3],dtype=torch.float32)
c.改变已有tensor的类型
a.type(torch.float)
a.double()
a.类型()
d.tensor的切片
x[:,1] 第二列所有值
e.切片赋值
x[:,1] = 1
注意：切片数据内存不连续
本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可，转载请附上原文出处链接和本声明。
本文链接地址：https://www.flyai.com/article/art9df0377c91b48f5b4eab3bf5