pytorch教程之Tensor的值及操作使用學習
發(fā)布日期：2022-01-20 18:47 | 文章來源：源碼之家
參考網(wǎng)址
1、Tensors
Tensors are similar to NumPy's ndaeeays,不同的是可以在GPU上使用和加速計算。
導入包
from __future__ import print_function import torch
建立5*3的矩陣，未初始化
x = torch.empty(5,3) print(x)
out
tensor([[ 1.4395e-36, 4.5848e-41, 1.4395e-36], [ 4.5848e-41, 1.4395e-36, 4.5848e-41], [ 1.4395e-36, 4.5848e-41, 2.8026e-45], [-1.9501e+00, 8.5165e+23, 0.0000e+00], [ 2.5223e-43, 0.0000e+00, 0.0000e+00]])
建立隨機初始化矩陣
x = torch.rand(5,3) print(x)
out
tensor([[ 0.8074, 0.9175, 0.8109], [ 0.3313, 0.5902, 0.9179], [ 0.6562, 0.3283, 0.9798], [ 0.8218, 0.0817, 0.4454], [ 0.5934, 0.0040, 0.3411]])
建立零初始化矩陣，數(shù)據(jù)類型是Long
... x = torch.zeros(5,3,dtype = torch.long) print(x) ...
out
tensor([[ 0, 0, 0],
[ 0, 0, 0],
[ 0, 0, 0],
[ 0, 0, 0],
[ 0, 0, 0]])
建立一個tensor數(shù)據(jù)來源于data
x = torch.tensor([5.5,3]) print(x)
out
tensor([ 5.5000, 3.0000])
在原有tnesor的基礎(chǔ)上形成新的tensor，會繼承原有tensor的shapee和dtype等屬性，當然我么也可以修改這些屬性
x = x.new_ones(5,3,dtype = torch.double) print(x) x = torch.randn_like(x,dype = torch.float) print(x)
out
tensor([[ 1., 1., 1.], [ 1., 1., 1.], [ 1., 1., 1.], [ 1., 1., 1.], [ 1., 1., 1.]], dtype=torch.float64) tensor([[-0.0730, -0.0716, -0.8259], [-1.7004, 0.8790, -0.0659], [-0.8969, 0.8736, -0.6035], [-0.1539, -2.9178, -0.7456], [-0.0245, 0.4075, 1.4904]])
獲取tensor的size
print(x.size())
out
torch.Size([5, 3])
torch.size是一個元組，支持所有元組(tuple)的操作
2、對Tensor的操作
實現(xiàn)加法的四種方式
方法一L
print(x+y)
方法二
print(torch.add(x,y))
方法三：輸出給額外的tensor
result = torch.empty(5,3) torch.add(x,y ,out= result) print (result)
方法四：原地替換-結(jié)果存放在y中
print(y)
所有原地替換
所有原地替換tensor的操作都有后綴，比如x.copy(y)，會改變x
使用標準的numpy操作
print(x[：1]
out
tensor([-0.0716, 0.8790, 0.8736, -2.9178, 0.4075])
使用torch.view 改變tensor的形狀
x = torch.randn(4,4) y = x.view(16) z = x.view(-1,8)# the size -1 is inferred from other dimensions print (x.size(),y.xize(),z.size())
out
torch.Size([4, 4]) torch.Size([16]) torch.Size([2, 8])
tensor轉(zhuǎn)化為numpy的數(shù)字，使用item
x = torch.rnadn(1) print(x) print(x.item())
Torch Tensor 和numpy的相互轉(zhuǎn)換
a = torch.ones(5) print (a)
out
tensor([ 1., 1., 1., 1., 1.])
并且改變tensor的值會同時改變numpy的值
a.add_(1) print(a) print(b)
out
tensor([ 2., 2., 2., 2., 2.]) [ 2. 2. 2. 2. 2.]
將numpy array轉(zhuǎn)化為pytorch Tensor
import numpy as np a = np.ones(5) b = torch.from_numpy(a) np.add(a,1,out = a ) print(a) print（b）
out
[ 2. 2. 2. 2. 2.] tensor([ 2., 2., 2., 2., 2.], dtype=torch.float64)
所有在cpu上的tensor都支持numpy轉(zhuǎn)化，除了char形的tensor
CUDA Tensors
Tensors 可以被移動到其他設(shè)備使用.to的方法
... if torch.cuda.is_avaulable(): device = torch.device(“cuda”) y = torch.ones_like(x,device = devcie) x= x.to(device) z = x+y print(z) print(z.to(“cpu”,torch.double)) ...
out
tensor([-1.0620], device='cuda:0') tensor([-1.0620], dtype=torch.float64)
以上就是pytorch教程之Tensor學習筆記的詳細內(nèi)容，更多關(guān)于pytorch教程的資料請關(guān)注本站其它相關(guān)文章！
版權(quán)聲明：本站文章來源標注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請保持原文完整并注明來源及原文鏈接。禁止復制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像，否則將依法追究法律責任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學習參考，不代表本站立場，如有內(nèi)容涉嫌侵權(quán)，請聯(lián)系alex-e#qq.com處理。
相關(guān)文章
關(guān)注官方微信