深度学习入门1（张量）

介绍张量：

张量就是代表了数据的表现的形式，常量（像素点）就是0维张量；1维张量类似于行向量、列向量（但是没有方向）；二维向量相当于矩阵（有多个数据组成）；三维向量（多个矩阵堆叠在一起）；四维向量（将三维向量作为一个长方体，扩展为一个更大的像素点（个人理解）再形成一个行向量/列向量）。。。。。。

参考于笔记 | 什么是张量（tensor）& 深度学习 - 知乎 (zhihu.com)

 张量数据类型：

和其他语言一样有int、flota、double........

输出张量的数据类型代码举例：

import torch
torch.tensor([2.3,1.4]).dtype

 

 设置默认数据类型：

torch.set_default_tensor_type(torch.DoubleTensor)
torch.tensor([1.2,3.3]).dtype

 更改数据类型：

a=torch.tensor([2.3,1.4])
print("a.long:",a.long().dtype)
print("a.int:",a.int().dtype)

恢复默认数据类型：

torch.get_default_dtype()

 

 使用torch.tensor()构造张量：

使用torch.Tensor()来生成张量： 

张量的转置：

B=torch.t(A)