PyTorch张量的创建与基本类型

0 导读

在我们不知道什么是深度学习计算框架时，我们可以把PyTorch看做是Python的第三方库，在PyTorch中定义了适用于深度学习的张量Tensor，以及张量的各类计算。就相当于NumPy中定义的Array和对应的科学计算方法，正是这些基本数据类型和对应的方法函数，为我们进一步在PyTorch上进行深度学习建模提供了基本对象和基本工具。

因此，我们需要熟练掌握PyTorch中张量的基本操作方法。torch.Tensor是一种包含单一数据类型元素的多维矩阵。

  

   

    

     

    
    

     

      import torch
     
    
   

    

     

    
    

     

      torch.__version__
     
    
   

    

     

    
    

     

      # '1.7.0'
     
    
  
 

1 张量的创建

张量的最基本创建方法和Numpy中创建Array的格式一致，都是创建函数的格式。

1.1 通过列表创建

  

   

    

     

    
    

     

      t = torch.tensor([1, 2])
     
    
   

    

     

    
    

     

      print(t)
     
    
   

    

     

    
    

     

      # tensor([1, 2])
     
    
  
 

1.2 通过元组创建

  

   

    

     

    
    

     

      t = torch.tensor((1, 2))
     
    
   

    

     

    
    

     

      print(t)
     
    
   

    

     

    
    

     

      # tensor([1, 2])
     
    
  
 

1.3 通过Numpy创建

  

   

    

     

    
    

     

      import numpy as np
     
    
   

    

     

    
    

     

      n = np.array([1, 2])
     
    
   

    

     

    
    

     

      t = torch.tensor(n)
     
    
   

    

     

    
    

     

      print(t)
     
    
   

    

     

    
    

     

      # tensor([1, 2])
     
    
  
 

文章来源: wenyusuran.blog.csdn.net，作者：文宇肃然，版权归原作者所有，如需转载，请联系作者。

原文链接：wenyusuran.blog.csdn.net/article/details/123635524