【冰糖Python】PyTorch： Tensor 张量属性及相关操作
此处对张量（Tensor）的相关属性及计算方法做一个简单汇总
1、数据类型
16位浮点数：torch.float16 或 torch.half，torch.HalfTensor，torch.cuda.HalfTensor
32位浮点数：torch.float32 或 torch.float，torch.FloatTensor，torch.cuda.FloatTensor
64位浮点数：torch.float64 或 torch.double，torch.DoubleTensor，torch.cuda.DoubleTensor
8位无符号整型：torch.uint8，torch.ByteTensor，torch.cuda.ByteTensor
8位有符号整型：torch.int8，torch.CharTensor，torch.cuda.CharTensor
16位有符号整型：torch.int16 或 torch.short，torch.ShortTensor，torch.cuda.ShortTensor
32位有符号整型：torch.int32 或 torch.int，torch.IntTensor，torch.cuda.IntTensor
64位有符号整型：torch.int64 或 torch.long，torch.LongTensor，torch.cuda.LongTensor
pytorch 中默认的数据类型是 torch.float32
对于张量，可使用 .dtype 获取张量类型
2、生成张量
torch.tensor()：可将python列表或序列转换为张量，可使用dtype参数指定数据类型
torch.Tensor()：生成张量，可指定形状
同时，可以对 numpy 的 ndarray 和 tensor 相互转化，参见此文
torch.empty()：生成指定大小的空张量（随机填充）
torch.zeros()，torch.ones() 分别用于生成指定大小的全0张量，全1张量
torch.zeros_like()，torch.ones_like() 分别用于生成与指定张量维度相同的全0张量，全1张量
torch.full()：可用于生成填充指定值的张量，反而 torch.zeros()，torch.ones() 限定了填充值
除以上外，还可生成随机张量（理应提前设定随机种子）
torch.rand()：生成服从均匀分布的张量，默认区间[0, 1]
torch.randn()：生成服从标准正态分布的张量
torch.rand_like()，torch.randn_like() 分别可用于生成与指定张量形状相同的随机数张量
torch.arange()：可用于生成张量序列，默认从0开始间隔1，可指定起始值、终止值和间隔
3、张量形状
.shape：获取张量维度，返回 torch.Size 对象
.size()：获取张量形状大小，返回 torch.Size 对象
.numel()：获得张量中包含的元素数量
.reshape()：可用于改变张量的形状
同时，可使用 torch.squeeze() 和 torch.unsqueeze() 对张量进行维度扩增或者维度压缩操作，参见此文
可对张量进行重复扩展
torch.expand()：在维数为1的维度上进行拓展，其他维度保持与原来一样即可，可首相使用.size()查看原始维度；如果没有维数为1的维度则不能拓展；
torch.repeat()：根据指定的维度进行填充，指定的值为扩展的倍数；指定的维数不能少于原始维数，但可以增加维数以增加新维度
3、张量拼接与拆分
torch.cat()：将所给张量按照指定维度进行拼接
torch.stack()：将所给张量按照指定的新维度上进行拼接
另有 torch.column_stack（同torch.hstack）、torch.row_stack（同torch.vstack）可分别对列和行角度进行拼接，是一般拼接操作的细化
torch.chunk()：将所给张量按指定维度划分为指定数量的张量，不能整除时则最后一个张量较小
torch.split()：将张量按指定维度进行划分，可通过list指定划分的块大小
4、张量的比较
torch.eq()：逐个元素比较是否相等
torch.equal()：判断是否具有相同的形状和元素
torch.ge()：逐个元素比较，是否大于等于
torch.gt()：逐个元素比较，是否大于
torch.le()：逐个元素比较，是否小于等于
torch.lt()：逐个元素比较，是否小于
torch.ne()：逐个元素比较，是否不等于
torch.isnan()：逐个元素判断，是否为nan值
5、张量的基本运算
减加乘除四则运算、幂运算、对数运算、求平方根等均采用广播形式进行，与 numpy 用法同
torch.pow()：幂运算
torch.exp()：指数运算
torch.log()：求自然对数，另有torch.log2()，torch.log10() 等
torch.sqrt()：求平方根
6、张量的矩阵运算
torch.matmul()：矩阵乘法
torch.t()：矩阵转置
torch.inverse()：矩阵的逆矩阵
torch.trace()：矩阵的迹
7、张量的统计函数
基础的统计功能，最大最小值函数torch.max()、torch.min()等可参见此文
此外还有各种统计参数等
torch.mean()：均值
torch.median()：中位数
torch.std()：标准差
torch.sum()：求和
以上可指定维度，若未指定，则对所有元素计算统计
torch.cumsum()：累加和，应指定维度
torch.cumprod()：累乘积，应指定维度
注：以上仅对常用部分进行了汇总，未包括的部分需要时再查即可