百度权重3的网站值多少_公司网站如何推广_知乎关键词排名工具_关键词规划师工具

1. 张量的创建

1.1 张量的基本类型

0维张量：标量(scalar)

scalar = torch.tensor(7)
print(scalar.ndim)
>>> 0

1维张量：向量(vector)

vector = torch.tensor([7,7])
print(vector.ndim)
>>> 1

2维张量：矩阵(matrix)

matrix = torch.tensor([[1,2],[2,3]
])
print(matrix.ndim)
>>> 2

多维张量

t = torch.tensor([[[1,2,3],[4,5,6],[7,8,9]]
])
print(t.ndim)
>>> 3

1.2 张量的基本创建方式

1. torch.tensor() 根据指定数据创建张量

   # 1. 创建张量标量
   data = torch.tensor(10)
   print(data)
   # 2. numpy 数组，由于 data 为 float64, 下面代码也使用该类型
   data = np.random.rand(2,3)
   data = torch.tensor(data)
   print(data)
   # 3. 列表, 下面代码使用默认元素类型 float32
   data = [[10,20,30],[40,50,60],[70,80,90]
   ]
   data = torch.tensor(data)
   print(data)
   

2. torch.Tensor()根据指定形状创建张量，也可以用来创建指定数据的张量

   # 1. 创建2行3列的张量, 默认 dtype 为 float32
   data = torch.Tensor(2,3)
   print(data)
   # 注意，如果传递列表，则创建包含指定元素的张量
   data = torch.Tensor([10])
   print(data)
   data = torch.Tensor([10,20,30])
   print(data)
   

3. torch.IntTensor()、torch.FloatTensor()、torch.DoubleTensor() 创建指定类型的张量

   data = torch.IntTensor([10,20,30])
   print(data)
   # 如果传递的类型不对，会自动转换
   data = torch.IntTensor([10.2,20.8,30.9])
   print(data)
   # 其他类型的有
   data = torch.ShortTensor([10,20,30])
   print(data)
   data = torch.LongTensor([10,20,30])
   print(data)
   data = torch.FloatTensor([10,20,30])
   print(data)
   data = torch.DoubleTensor([10,20,30])
   print(data)
   

1.3 创建线性和随机张量

• torch.arange 和 torch.linspace 创建线性张量

  # 1. 在指定区间按照步长生成元素 [start, end, step)
  data = torch.arange(0,10,2)
  print(data)
  # 2. 在指定区间按照元素个数生成 [start, end, steps]
  data = torch.linspace(0,11,10)
  print(data)
  

  输出结果：

  tensor([0, 2, 4, 6, 8])
  tensor([ 0.0000,  1.2222,  2.4444,  3.6667,  4.8889,  6.1111,  7.3333,  8.5556,9.7778, 11.0000])
  

• torch.random.init_seed 和 torch.random.manual_seed 随机种子设置，torch.randn 创建随机张量

  # 1. 创建随机张量
  data = torch.randn(2,3) # 创建2行3列张量
  print(data)
  # 查看随机种子
  print('随机种子：',torch.random.initial_seed())
  # 2. 随机种子设置
  torch.random.manual_seed(100)
  data = torch.randn(2,3)
  print(data)
  print('随机种子：',torch.random.initial_seed())
  

  结果输出：

  tensor([[-0.2407,  0.0889, -0.1580],[-0.3603, -0.2630,  0.8047]])
  随机种子： 973960656430200
  tensor([[ 0.3607, -0.2859, -0.3938],[ 0.2429, -1.3833, -2.3134]])
  随机种子： 100
  

1.4 创建 0-1张量

• torch.ones 和 torch.ones_like 创建全1张量

  # 1. 创建指定形状全1张量
  data = torch.ones(2,3)
  print(data)
  # 2. 根据张量形状创建全1张量
  data = torch.ones_like(data)
  print(data)
  

  输出结果：

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

• torch.zeros 和 torch.zeros_like 创建全0张量

  # 1. 创建指定形状全0张量
  data = torch.zeros(2,3)
  print(data)
  # 2. 根据张量形状创建全0张量
  data = torch.zeros_like(data)
  print(data)
  

  输出结果：

  # 1. 创建指定形状全0张量
  data = torch.zeros(2,3)
  print(data)
  # 2. 根据张量形状创建全0张量
  data = torch.zeros_like(data)
  print(data)
  

• torch.full 和 torch.full_like 创建全为指定值张量

  # 1. 创建指定形状指定值的张量
  data = torch.full([2,3],10)
  print(data)
  # 2. 根据张量形状创建指定值的张量
  data = torch.full_like(data,20)
  print(data)
  

  输出结果：

  tensor([[10, 10, 10],[10, 10, 10]])
  tensor([[20, 20, 20],[20, 20, 20]])
  

1.5 张量的类型转换

• data.type(torch.DoubleTensor)

  data = torch.full([2,3],10)
  print("张量的类型：",data.dtype)
  # 1.将类型转为 float64
  data = data.type(torch.DoubleTensor)
  print("张量的类型：",data.dtype)
  

  输出结果：

  张量的类型： torch.int64
  张量的类型： torch.float64
  

• data.double()

  data = torch.full([2,3],10)
  print("张量的类型：",data.dtype)
  data = data.double()
  print("张量的类型：",data.dtype)
  

  输出结果：

  张量的类型： torch.int64
  张量的类型： torch.float64