【4】数据类型转换、张量运算、数据格式转换

数据、代码等相关资料来源于b站日月光华老师视频，此博客作为学习记录。

一、数据类型转换

# 创建一个2×3大小的、0~1之间服从正态分布的tensor
t = torch.randn(2, 3)   
print(t)
print(t.dtype)   # t的数据类型

此时的t是float32类型，如果想改变数据类型，可使用**.type()**方法：

1. float32转为float16

t1 = t.type(torch.float16)
print(t1)

可见，tensor的数据类型已改变。

2.float32转为int16

同理，int类型也可以：

t2 = t.type(torch.int16)
print(t2)

3. .long() 和 .float() 方法
.long() 方法自动转换为int64，.float() 方法则将数据类型转化为float32，这是最常用的类型。

t = torch.randn(2, 3)
t3 = t.long()
t4 = t.float()
print(t3)
print(t4)
print(t3.dtype)
print(t4.dtype)

相比前面.type（）的方法更加快捷。

二、张量运算

与ndarray规则类似，广播到每个元素上进行计算：

t = torch.randn(2, 3)
print(t)
print(t+3)

并且也符合对应元素相加的原则。

t = torch.randn(2, 3)
t1 = torch.ones(2, 3)
print(t)
print(t + t1)
print(t.__radd__(t1))
print(t)

可见t.__add__的方法和t+t1方法对应元素相加结果是一样的，并且没有改变t本身的值。

# 绝对值abs，求均值mean，累加cumsum，乘multiply，除divide等都可直接调用，不改变t本身的大小
print(t)
print(t.abs()) # 求绝对值
print(t)

t = torch.randn(2, 3)
t1 = t.T  # t的转置
print(t)
print(t1)
print(t.matmul(t.T))  # matmul表示矩阵乘法

三、数据格式转换

1. tensor和python的浮点数的转换

t = torch.randn(2, 3)
x = t.sum()
print(x)   # .sum的结果是一个tensor
# 使用.item()方法可以将维度为0的tensor转化
print(x.item())

2. tensor和ndarray的转换

t1 = torch.from_numpy(np.random.randn(3,4))
print(t1)
x = t1.numpy()
print(x)