Pytorch_1_基本语法

一、Pytorch的基本元素操作

1.引入torch

复制代码
from __future__ import print_function
import torch

2.创建矩阵

复制代码
x = torch.empty(5,3)
print(x)

3.输出结果:

tensor(\[7.9191e+34, 1.1259e+24, 1.2359e-42,

4.0824e-40, 1.1379e-35, 2.5353e+30,

8.4078e-45, 2.6709e-42, 7.7558e-40,

2.9130e-33, 2.5353e+30, 9.6690e-44,

7.5524e+28, 5.2839e-11, 1.3458e-14])

4.指定一个全零矩阵并可指定数据元素的类型为long

复制代码
x = torch.zeros(5,3, dtype=torch.long)
print(x)

5.输出结果

tensor(\[0, 0, 0,

0, 0, 0,

0, 0, 0,

0, 0, 0,

0, 0, 0])

未完待续。。。

相关推荐
zzzzzz3101 分钟前
Claude Code:把 AI 放进终端,真正值得关注的是什么
人工智能·开源·命令行
Raas1005 分钟前
MAI Gateway(魔芋企业级AI网关)技术辨析:AI网关和大模型网关区别?选型必读
大数据·人工智能·大模型·gateway·mai gateway·企业级产品
意图共鸣1 小时前
意图共鸣科技9月7日正式发布《认知智能白皮书2.0:广义具身智能物理宪法》——为一切走进物理世界的AI确立认知底线
人工智能·科技
FII工业富联科技服务7 小时前
Omniverse + Isaac Teleop + 合成数据:工业富联机器人大脑训练+执行落地闭环拆解
大数据·人工智能·深度学习·机器学习·机器人·制造·具身智能
东风破_7 小时前
大模型格式化输出
人工智能
Shockang7 小时前
AI 研究偏好模型
人工智能
ZGIAI7 小时前
律师最贵的不是知识,是时间:哪些工作真的可以先交给 Agent?
人工智能·架构
2601_962293247 小时前
Python自动化统计团队工作量并生成可视化仪表盘的脚本方案【指导】
python·数据分析·自动化·可视化·仪表盘
东风破_7 小时前
讲透 SSE:从流式响应到 LangChain model.stream()
人工智能
β添砖java9 小时前
深度学习31注意力机制、注意力分数、使用注意力机制的seq2seq、自注意力
人工智能·深度学习