Pytorch API学习----torch创建tensor

---

1.torch.tensor

torch.tensor(data, *, [dtype=None], [device=None], [requires_grad=False], [pin_memory=False]) --> Tensor

作用：
 通过data构建并返回一个tensor

参数：

• data         数据值，可以是list，tuple，NumPy ndarryay, scalar或其它类型。
• dtype          设定生成tensor的数据的类型，默认浮点数类型为torch.float32，默认整型类型是torch.int64。
• device(str)       设定创建的tensor存在的位置，cpu或gpu上，cpu使用device='cpu'，gpu使用device='cuda'，默认为cpu。
• requires_grad(bool) 设定创建的tensor需不需要梯度信息，默认为False。
• pin_memory(bool)   设置是否将创建的tensor分配到固定的内存位置，仅在tensor在cpu上时有用，默认为False。

其他：
1. 默认数据类型(dtype)和默认device可以通过torch.set_default_dtype和torch.set_default_tensor_type方法进行设置

示例：

x = torch.tensor([1,2,3])
print(x)

输出：

tensor([1, 2, 3])

---

2.torch.eye

torch.eye(n, [m=None], [out=None]) --> Tensor

作用：
 创建一个对角矩阵(对角线位置全1，其它位置全0的2维tensor)

参数：

• n(int)        行数
• m(int)       列数，如果为None，则默认为n
• out(Tensor)    输出tensor

示例：

x = torch.eye(3)
print(x)

输出：

tensor([[1., 0., 0.],
        [0., 1., 0.],
        [0., 0., 1.]])

---

3.torch.ones

torch.ones(*sizes, [out=None]) --> Tensor

作用：
 返回一个全为1的张量，形状由可变参数sizes定义。

参数:

• sizes (int…)     整数序列，定义了输出形状
• out (Tensor)     输出tensor

示例:

x = torch.ones(2, 3)
print(x)

输出：

tensor([[1., 1., 1.],
        [1., 1., 1.]])

---

4.torch.rand

torch.rand(*sizes, [out=None])-->Tensor

作用：
 返回一个张量，包含了从区间[0,1)的均匀分布中抽取的一组随机数，形状由可变参数sizes定义

参数:

• sizes(int…)      整数序列，定义了输出形状
• out(Tensor)      输出tensor

示例：

x = torch.rand(4)
y = torch.rand(2, 3)
print(x)
print(y)

输出

tensor([0.6739, 0.1385, 0.9671, 0.3170])
tensor([[0.2934, 0.8094, 0.4192],
        [0.4813, 0.7751, 0.4452]])

---

5.torch.linspace

torch.linspace(start, end, steps, [out=None]) -->Tensor

作用：
 返回一个包含在区间[start, end]上均匀间隔的长度为steps的一维张量(等差数列)。

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)   输出tensor

示例:

x = torch.linspace(0, 10, steps=11)
print(x)

输出：

tensor([ 0.,  1.,  2.,  3.,  4.,  5.,  6.,  7.,  8.,  9., 10.])

---

6.torch.logspace

torch.logspace(start, end, steps, [out=None]) -->Tensor

作用：
 返回一个包含在区间 $[10^{start},10^{end}]$ 上均匀间隔的长度为steps的一维张量(等比数列)。

参数:

• start(float)     序列的起始点
• end(float)      序列的最终值
• steps(int)       生成的样本数
• out(Tensor)      输出tensor

示例:

x = torch.logspace(start=-10, end=10, steps=5)
y = torch.logspace(start=0.1, end=1.0, steps=5)
print(x)
print(y)

输出：

tensor([1.0000e-10, 1.0000e-05, 1.0000e+00, 1.0000e+05, 1.0000e+10])
tensor([ 1.2589,  2.1135,  3.5481,  5.9566, 10.0000])

---

7.torch.randn

torch.randn(*sizes, [out=None]) -->Tensor

作用：
 返回一个tensor，包含了从标准正态分布(均值为0，方差为1，即高斯白噪声)中抽取一组随机数，形状由可变参数sizes定义

参数:

• sizes(int…)    整数序列，定义了输出形状
• out(Tensor)    输出tensor

例子：

x = torch.randn(4)
y = torch.randn(2, 3)
print(x)
print(y)

输出：

tensor([-0.1312, -1.2521, -0.1472,  1.2517])
tensor([[-0.5284, -1.6810,  1.5782],
        [ 0.2628, -0.2747,  1.1722]])

---

8.torch.randint

torch.randint([low=0], high, size)-->Tensor

作用：
 返回一个tensor，包含[low, high)之间的随机整数，形状由sizes定义

参数：

• low(int)      下边界
• high(int)     上边界
• size(tuple)    整数序列，定义了输出形状

示例：

x = torch.randint(3,(2,3))
y = torch.randint(3,6,(2,3))
print(x)
print(y)

输出：

tensor([[2, 0, 0],
        [1, 2, 2]])
tensor([[3, 5, 3],
        [3, 5, 4]])

---

9.torch.randperm

torch.randperm(n, [out=None])-->LongTensor

作用：
 返回一个一维tensor，包含[0, n)之间不重复的随机整数

参数:

• n(int)       上边界
• out(Tensor)   输出tensor

示例：

x = torch.randperm(10)
print(x)

输出：

tensor([5, 1, 7, 8, 3, 0, 6, 4, 9, 2])

---