PyTorch学习笔记一：Tensors张量

一、张量是什么？

A tensor is both a container for numbers as well as a set of rules that define transformations between tensors that produce new tensors[1].
张量既是数字的容器，也是一组规则，这些规则定义了产生新张量的张量之间的转换。

其实张量可以相似地理解为多维数组。

二、张量的简单使用

1. 生成特定形状的随机张量

函数：torch.rand()

实例：

import torch
print(torch.rand(2, 3))

输出：

2. 生成某特定张量

函数：torch.tensor()

实例：

import torch
x = torch.tensor([[0,0,1],[1,1,1],[0,0,0]])
print(x)

输出：

3. 修改张量中某一元素的值

张量名[第一维序号][第二维序号]…

实例：

import torch
x = torch.tensor([[0,0,1],[1,1,1],[0,0,0]])
x[0][0] = 5
print(x)

输出：

4. 生成元素全为0的张量

函数：torch.zeros()

实例：

import torch
print(torch.zeros(3, 4))

输出：

5. 生成元素全为1的张量

函数：torch.ones()

实例：

import torch
print(torch.ones(2, 2))

输出：

6. 相同形状张量的加减乘除

实例：

import torch
a = torch.tensor([[1,1,1],[0,0,0]])
b = torch.tensor([[1,2,3],[4,5,6]])
print(a + b)
print(a - b)
print(a * b)
print(a / b)

输出：

7. 从只有一个元素的张量中取出元素的值

函数：张量名.item()

实例：

import torch
x = torch.rand(1)
y = torch.rand(1,1,1)
print(x)
print(x.item())
print(y)
print(y.item())

输出：

8. 查看张量所在设备（CPU/CUDA）

对象：张量名.device

实例：

import torch
x = torch.rand(2)
print(x.device)

输出：

9. 将一个张量复制到另一个设备

函数：张量名.to(设备名)

实例：

import torch
x = torch.rand(2)
y = x.to('cuda')
print(y.device)

输出：

10. 取张量中最大/最小的一个元素做一个新的张量

函数：张量名.max()/min()

实例：

import torch
x = torch.rand(2,3)
print(x)
print(x.max())
print(x.max().item())

print()
print(x.min())

输出：

11. 查看张量类型

函数：张量名.type()

实例：

import torch
x = torch.rand(2,3)
print(x.type())

输出：

12. 张量类型转换

函数：张量名.to(dtype)

实例：

import torch
x = torch.tensor([[1,2.2,3],[4,5,0.3]])
y = x.to(dtype=torch.int)
print(y)
print(y.type())

输出：

15. 查看张量形状

对象：张量名.shape

实例：

import torch
x = torch.tensor([[1,2,3],[4,5,6]])
print(x.shape)

输出：

14. 张量的形状改变

函数：张量名.reshape()

实例：

import torch
x = torch.tensor([[1,2,3],[4,5,6]])
y = x.reshape(6)
print(y)
print(y.shape)

输出：

15. 改变张量维度顺序

函数：张量名.permute()

实例：

import torch
x = torch.tensor([[1,2,3],[4,5,6]])
y = x.permute(1,0)
print(y)
print(y.shape)

输出：

16. 张量的广播

实例：

import torch
x = torch.tensor([[1,2,3],[4,5,6]])
print(x * 2)

输出：

---

三、参考

《Programming PyTorch for Deep Learning》