pytorch基本数据类型

目录

• [1. tensor](#1. tensor)
• [2. 数据类型](#2. 数据类型)
• [3. 数据类型的创建和使用](#3. 数据类型的创建和使用)
• • [3.1 数据类型check](#3.1 数据类型check)
  • [3.2 Dimension为0的tensor](#3.2 Dimension为0的tensor)
  • [3.2 Dimension为1的tensor](#3.2 Dimension为1的tensor)
  • [3.3 Dimension为2的tensor](#3.3 Dimension为2的tensor)
  • [3.4 Dimension为3的tensor](#3.4 Dimension为3的tensor)
  • [3.5 Dimension为4的tensor](#3.5 Dimension为4的tensor)

1. tensor

下图为python数据类型与pytorch的对应关系

在pytorch中是没有string类型的，如果要使用string类型，需要借助两种手段：

• one-hot
  ▪ 0, 1, 0, 0, ...
• Embedding
  Word2vec
  glove
  详见：万字长文经典-再论Embedding 技术

2. 数据类型

从图中可以看出pytorch数据类型是分cpu和GPU的，gpu是在torch后加一个cuda，他们是完全不同的数据

这里经常使用的数据类型是FloatTensor和ByteTensor

3. 数据类型的创建和使用

3.1 数据类型check

torch.randn是生成随机初始化的2行3列的tensor数据

a = torch.randn(2, 3)
print(a)
tensor([[ 0.4406,  0.4335, -1.6466],
        [-0.1927,  0.4834,  1.0126]])

3.2 Dimension为0的tensor

Dimension为0的tensor多用来表示loss的值

.shape是个成员，返回torch.Size(\[\])表示0维，.size()是成员函数返回结果与.shape一样

3.2 Dimension为1的tensor

一维tensor多用于bias和线性数据输入，如下图：

3.3 Dimension为2的tensor

当线性输入，一次输入多张图片时使用2维tensor，比如：使用minist数据集做手写数字识别，表示为n, 784 n表示一次输入几张图片。

3.4 Dimension为3的tensor

3维多用于RNN，NLP文字处理，10,20,100 表示20个句子每个句子10个单词，单词用100向量表示。

3.5 Dimension为4的tensor

4维多用于CNN卷积循环神经网络，b,c,h,w分别表示为batch, channel, height, weight