Pytorch学习——Pytorch的入门操作 02（未完）

1 张量 Tensor

各种数值数都可以称为张量。

• 常数：scaler：0阶张量
• 向量：vector：1阶张量
• 矩阵：matrix：2阶张量
• 3阶张量

1.1 使用列表或者序列创建tensor

torch.Tensor([1, 2, 3])

torch.Tensor([[1., -1.], [1., -1.]])

1
2
3
4

1.2 使用numpy中的数组创建tensor

torch.Tensor(np.arange(12).reshape(3, 4))

torch.Tensor(np.array([[]1, 2, 3], [4, 5, 6]))
1
2
3

1.3 使用torch的API创建tensor

注意：这里括号内都表示的是shape

torch.empty([3, 4])
torch.ones([3, 4])
torch.zeros([3, 4])
torch.rand([3, 4])  # 创建3行4列的随机值的tensor，区间是[0, 1]

1
2
3
4
5

• 创建int型数组，指定范围

torch.randint(low=0, high=10, size=[3, 4])
1

• 创建均值为0，方差为1的 3行4列的数组（服从标准正态分布）

torch.randn([3, 4])
1

1.4 获取形状（与numpy的区别）

• numpy中打印形状是 shape
• tensor打印形状是 size

2 张量的方法和属性

2.1 item()和tolist() 方法

item()是将一个张量的值 以一个python数字形式返回，但该方法只能包含一个元素的张量

对于包含多个元素的张量，可以考虑tolist()方法。

tensor.item()
tensor.tolist()
1
2

2.2 转换为numpy数组

tensor.numopy()
1

2.3 获取形状

tensor.size()
1

2.4 改变形状

类似于numpy中的reshape，是一种浅拷贝。

tensor.view(3, 4)
1

2.5 获取阶数

tensor.dim()
1

2.6 获取最大值

tensor.max()
1

2.7 转置

tensor.t()
tensor.transpose()
tensor.permute()   # 可以指定维度
1
2
3

2.8 切片

也是用： ，是和numpy的操作一样的。

tensor[0, :, :]
1

2.9 获取tensor数据类型

tensor.dtype
1

3 CUDA中的tensor

CUDA 是一种NVIDIA退出的通用并行计算架构，该架构能够使GPU解决复杂的计算问题。

3.1 查看电脑是否支持GPU版本

print(torch.cuda.is_available())
1

3.2 .device

接收一个字符串

torch.device("cpu")
torch.device("gpu")  # 如果有几块GPU，则可以指定使用第几块
torch.device("cuda:0")
1
2
3

3.3 .to() 方法

torch.device("cuda")

a = torch.zero([2, 3])
a.to(device)
>> tensor([[0, 0, 0], [0, 0, 0]], device="cuda:0")
1
2
3
4
5