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
Elastic 中国社区官方博客12 分钟前
Elasticsearch:使用机器学习生成筛选器和分类标签
大数据·人工智能·elasticsearch·机器学习·搜索引擎·ai·分类
movie__movie16 分钟前
Spring AI MCP 客户端实战:轻松连接高德地图等工具
数据库·人工智能·spring
跳跳糖炒酸奶41 分钟前
第四章、Isaacsim在GUI中构建机器人(3):添加摄像头和传感器
人工智能·python·算法·ubuntu·机器人
求知呀2 小时前
最直观的 Cursor 使用教程
前端·人工智能·llm
飞哥数智坊2 小时前
从“工具人”到“超级个体”:程序员如何在AI协同下实现能力跃迁
人工智能
chenqi2 小时前
WebGPU和WebLLM:在浏览器中解锁端侧大模型的未来
前端·人工智能
罗西的思考3 小时前
[2W字长文] 探秘Transformer系列之(23)--- 长度外推
人工智能·算法
小杨4044 小时前
python入门系列十四(多进程)
人工智能·python·pycharm
阿坡RPA19 小时前
手搓MCP客户端&服务端:从零到实战极速了解MCP是什么?
人工智能·aigc
用户277844910499319 小时前
借助DeepSeek智能生成测试用例:从提示词到Excel表格的全流程实践
人工智能·python