🌈个人主页: 羽晨同学
💫个人格言:"成为自己未来的主人~"
简介:
一个Python深度学习框架,它将数据封装成张量(Tensor)进行处理,Python中的张量就是元素为同一种数据类型的多维矩阵,在Python中,张量以"类"的形式封装起来,对张量的一些运算,处理的方法被封装在类中.
安装:
python
pip install torch==2.0.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
张量的创建
张量的基本创建方法
torch.tensor根据指定数据创建张量
torch.Tensor根据形状创建张量,其也可用来创建指定数据的张量
torch.tensor()根据指定数据创建张量
python
import torch
import numpy as np
# 1.创建张量标量
data=torch.tensor(10)
print(data)
# 2. numpy 数组,由于data 为float64,下面代码也使用该类型
data=np.random.randn(2,3)
data=torch.tensor(data)
print(data)
# 3.列表,下面代码使用默认元素类型 float32
data=[[10.,20.,30.],[40.,50.,60.]]
data=torch.tensor(data)
print(data)
torch.Tensor()根据指定形状创建张量,也可以用来创建指定数据的张量
python
# 1.创建2行3列的张量,默认dtype为float32
data=torch.Tensor(2,3)
print(data)
# 2.注意:如果传递列表,则创建包含指定元素张量
data=torch.Tensor([10])
print(data)
data=torch.Tensor([10,20])
print(data)
创建线性和随机张量
torch.arange和torch.linspace创建线性张量
torch.randn创建随机张量
torch.arange()、torch.linspace()创建线性张量
python
# 1. 在指定区间按照步长生成元素【start,end,step】
data=torch.arange(0,10,2)
print(data)
# 2. 在指定区间按照元素个数生成[start,end,num]
data=torch.linspace(0,11,10)
print(data)
torch.randn()创建随机张量
python
# 1.创建随机张量
data=torch.randn(2,3) # 创建2行3列张量
print(data)
创建0-1张量
torch.ones 创建全1张量
torch.zeros 创建全0张量
torch.full 创建全为指定值张量
创建全0张量
python
# 1.创建指定形状全0张量
data=torch.zeros(2,3)
print(data)
创建全1张量
python
# 2.创建全1张量
data=torch.ones(2,3)
print(data)
创建全为指定值张量
python
# 3.创建指定形状指定值的张量
data=torch.full([2,3],10)
print(data)
张量的类型转换
data.type(torch.DoubleTensor)
data.double()
data.type(torch.DoubleTensor)
python
data=torch.full([2,3],10)
print(data.dtype)
# 将data元素类型转换为float64类型
data=data.type(torch.DoubleTensor)
print(data.dtype)
# 转换成其他类型
data=data.type(torch.IntTensor)
print(data.dtype)
data=data.type(torch.LongTensor)
print(data.dtype)
data=data.type(torch.FloatTensor)
print(data.dtype)
data.double()
python
data=torch.full([2,3],10)
print(data.dtype)
# 将data元素类型转换为 float64类型
data=data.double()
print(data.dtype)
# 转换成其他类型
data=data.int()
data=data.long()
data=data.float()