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
Kingsdesigner16 小时前
从AI画稿到3D虚拟时装:Illustrator与Substance 3D的服装设计工作流
人工智能·3d·illustrator·substance 3d·sampler·stager·数字时尚
ezl1fe16 小时前
RAG 每日一技(十九):当文本遇上表格,如何拿下“半结构化”PDF
人工智能·后端·算法
后端小肥肠17 小时前
公众号对标账号文章总错过?用 WeWe-RSS+ n8n,对标文章定时到你的邮箱(上篇教程)
人工智能·agent
说私域17 小时前
开源AI智能名片赋能下微商商业模式的创新路径研究——以链动2+1模式与S2B2C商城小程序融合为例
人工智能·小程序·开源
2401_8414956418 小时前
【自然语言处理】“bert-base-chinese”的基本用法及实战案例
人工智能·python·自然语言处理·bert·文本预处理·特征提取·训练验证
凝新科技18 小时前
如何用营销自动化提升开信率与转化率
人工智能
猫头虎18 小时前
AI_NovelGenerator:自动化长篇小说AI生成工具
运维·人工智能·python·自动化·aigc·gpu算力·ai-native
飞哥数智坊18 小时前
Codex 集成 Slack 后,我那个“数字同事”的梦碎了一半
人工智能·openai·ai编程
过往入尘土18 小时前
深入探索现代前端开发:从基础到架构的完整指南
前端·人工智能·算法·前端框架
火星资讯18 小时前
Zenlayer 推出分布式推理平台,加速 AI 创新全球落地
人工智能·分布式·科技