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
孤客网络科技工作室几秒前
Python - 100天从新手到大师:第五十八天 Python中的并发编程(1-3)
开发语言·python
文火冰糖的硅基工坊4 分钟前
[人工智能-大模型-57]:模型层技术 - 软件开发的不同层面(如底层系统、中间件、应用层等),算法的类型、设计目标和实现方式存在显著差异。
人工智能·算法·中间件
Coovally AI模型快速验证9 分钟前
突破性开源模型DepthLM问世:视觉语言模型首次实现精准三维空间理解
人工智能·语言模型·自然语言处理·ocr·音视频·ai编程
芯片SIPI设计21 分钟前
面向3D IC AI芯片中UCIe 电源传输与电源完整性的系统分析挑战与解决方案
人工智能·3d
计算衎25 分钟前
Jenkins上实现CI集成软件信息Teams群通知案例实现。
python·jenkins·1024程序员节·microsoft azure·teams消息群通知·微软 graph api
浆果020726 分钟前
【图像超分】论文复现:轻量化超分 | RLFN的Pytorch源码复现,跑通源码,整合到EDSR-PyTorch中进行训练、测试
人工智能·python·深度学习·超分辨率重建·1024程序员节
CV实验室40 分钟前
TPAMI 2025 | 从分离到融合:新一代3D场景技术实现双重能力提升!
人工智能·计算机视觉·3d
IT_陈寒1 小时前
SpringBoot 3.2 实战:这5个新特性让你的开发效率提升50%!
前端·人工智能·后端
加油吧zkf1 小时前
深度可分离卷积
人工智能·python·深度学习·神经网络·计算机视觉
DKunYu1 小时前
2.2softmax回归
pytorch·python·深度学习·1024程序员节