Pytorch-张量的创建

🌈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 复制代码
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 复制代码
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 复制代码
# 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 复制代码
# 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 复制代码
# 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 复制代码
# 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 复制代码
# 2.创建全1张量
data=torch.ones(2,3)
print(data)

创建全为指定值张量

python 复制代码
# 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 复制代码
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 复制代码
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()
相关推荐
天天爱吃肉82187 小时前
【比亚迪璇玑架构深度解析:重新定义智能电动汽车的“整车智能”】
数据库·人工智能·嵌入式硬件·架构·汽车
semantist@语校8 小时前
第十九篇|东京世界日本语学校的结构数据建模:制度函数、能力矩阵与升学图谱
数据库·人工智能·线性代数·矩阵·prompt·github·数据集
guygg888 小时前
HOG + SVM 行人检测
人工智能·机器学习·支持向量机
和鲸社区8 小时前
四大经典案例,入门AI算法应用,含分类、回归与特征工程|2025人工智能实训季初阶赛
人工智能·python·深度学习·算法·机器学习·分类·回归
IT古董8 小时前
【第五章:计算机视觉】1.计算机视觉基础-(3)卷积神经网络核心层与架构分析:卷积层、池化层、归一化层、激活层
人工智能·计算机视觉·cnn
黎燃8 小时前
AI生成音乐的创作逻辑深析:以AIVA为例
人工智能
点云SLAM8 小时前
四元数 (Quaternion)在位姿(SE(3))表示下的各类导数(雅可比)知识(2)
人工智能·线性代数·算法·机器学习·slam·四元数·李群李代数
七芒星20239 小时前
ResNet(详细易懂解释):残差网络的革命性突破
人工智能·pytorch·深度学习·神经网络·学习·cnn
TMO Group 探谋网络科技9 小时前
Salesforce vs Magento 选型指南:成本、功能差异对比清单
人工智能·magento·电商开发
Ginkgo_Lo9 小时前
【LLM越狱】AI大模型DRA攻击解读与复现
人工智能·安全·ai·语言模型