PyTorch学习笔记(一)

1.Tensor

1.1 构造一个5x3矩阵,不初始化

python 复制代码
x = torch.empty(5, 3)
print(x)

打印结果:

复制代码
tensor([[1.0102e-38, 1.0194e-38, 3.6736e-39],
        [8.3572e-39, 4.5918e-39, 4.5918e-39],
        [4.0408e-39, 4.5918e-39, 4.7755e-39],
        [8.5408e-39, 8.3571e-39, 4.5918e-39],
        [4.6837e-39, 4.0408e-39, 4.5918e-39]])

1.2 构造一个随机初始化的矩阵

python 复制代码
x = torch.rand(5, 3)
print(x)

打印结果:

复制代码
tensor([[0.1306, 0.2627, 0.1585],
        [0.8739, 0.0200, 0.4470],
        [0.6009, 0.5557, 0.1189],
        [0.5708, 0.4116, 0.6806],
        [0.0506, 0.6534, 0.2358]])

1.3 构造一个矩阵全为 0,而且数据类型是 long.

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

输出结果

复制代码
tensor([[0, 0, 0],
        [0, 0, 0],
        [0, 0, 0],
        [0, 0, 0],
        [0, 0, 0]])

1.4 直接使用数据构造一个张量

python 复制代码
x = torch.tensor([5.5, 3])
print(x)

输出结果

复制代码
tensor([5.5000, 3.0000])

1.5 创建一个 tensor 基于已经存在的 tensor

python 复制代码
x = tensor([5.5000, 3.0000])
x = x.new_ones(5, 3, dtype=torch.double)
print(x)

输出结果

复制代码
tensor([[1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.]], dtype=torch.float64)
python 复制代码
x = torch.rand_like(x, dtype=torch.float)
print(x)

输出结果

复制代码
tensor([[0.0996, 0.3518, 0.2875],
        [0.2665, 0.5578, 0.1388],
        [0.3313, 0.8641, 0.5232],
        [0.8819, 0.6924, 0.9274],
        [0.8298, 0.4196, 0.1312]])

size

python 复制代码
print(x.size())
相关推荐
程序员大雄学编程35 分钟前
「深度学习笔记4」深度学习优化算法完全指南:从梯度下降到Adam的实战详解
笔记·深度学习·算法·机器学习
新子y1 小时前
【小白笔记】PyTorch 和 Python 基础的这些问题
pytorch·笔记·python
我是李武涯1 小时前
PyTorch DataLoader 高级用法
人工智能·pytorch·python
Lynnxiaowen1 小时前
今天我们开始学习python语句和模块
linux·运维·开发语言·python·学习
rechol1 小时前
类与对象(中)笔记整理
java·javascript·笔记
新子y2 小时前
【小白笔记】KNN 核心预测函数 _predict_one 的过程
笔记
橘子是码猴子2 小时前
LangExtract:基于LLM的信息抽取框架 学习笔记
笔记·学习
柳安忆2 小时前
idea生成数据集调研
人工智能·笔记
AnySpaceOne2 小时前
笔记本电脑如何连接打印机?完整连接教程送上
学习·电脑
aramae3 小时前
详细分析平衡树--红黑树(万字长文/图文详解)
开发语言·数据结构·c++·笔记·算法