什么是张量

张量的基础概念

学习使用pytorc库进行深度学习网络搭建时,张量这个词总是不定时会出现。其实,Pytorch中的所有操作都是在张量的基础上进行的,今天就来了解张量到底是什么

由PyTorch官网官网介绍可知,一个Tensor是一个包含单一数据类型的多维矩阵。

通常,其多维特性用三维及以上的矩阵来描述,例如下图所示:单个元素为标量(scalar),一个序列为向量(vector),多个序列组成的平面为矩阵(matrix),多个平面组成的立方体为张(tensor)。PS:张量也无需严格限制在三维及以上才叫张量,也有一维张量、二维张量

直白话:其实就把张量理解成数组就行,只不过里面的数据类型比较特殊,因此,几维张量外面就相当于最外层数组包含几层[ ]

为什么深度学习要使用Tensor

监督机器学习模型的输入X通常是多个特征列组成的二维矩阵,输出y是单个特征列组成的标签向量或多个特征列组成的二维矩阵。那么深度学习中,为何要定义多维矩阵Tensor呢?

深度学习当前最成熟的两大应用方向莫过于CV和NLP,其中CV面向图像和视频,NLP面向语音和文本,二者分别以卷积神经网络和循环神经网络作为核心基础模块,且标准输入数据集都是至少三维以上。其中,

  • 图像数据集:至少包含三个维度(样本数Nx图像高度Hx图像宽度W);如果是彩色图像,则还需增加一个通道C,包含四个维度(NxHxWxC);如果是视频帧,可能还需要增加一个维度T,表示将视频划分为T个等时长的片段。

  • 文本数据集:包含三个维度(样本数N×序列长度L×特征数H)。

因此,输入学习模型的输入数据结构通常都要三维以上,这也就促使了Tensor的诞生。

Tensor数据类型

下面这种图展示了大部分张量数据类型

张量的每种数据类型都有对应CPU和GPU版本,因此进行张量处理的时候需要指定一个设备,它要么是CPU要么是GPU,因此我们可以用torch.device来创建一个设备,并指定索引,例如:

device=torch.device('cuda:0')

输出结果为:device(type='cuda',index=0),可看到类型为'cuda',即GPU,索引0表示为第一个GPU。

Tensor形状

张量具有如下形状属性:

  • Tensor.ndim:张量的维度,例如向量的维度为1,矩阵的维度为2。

  • Tensor.shape: 张量每个维度上元素的数量。

  • Tensor.shape[n]:张量第n维的大小。第n维也称为轴(axis)。

  • Tensor.numel:张量中全部元素的个数。

创建一个四位张量Tensor

Tensor=torch.ones([2,3,4,5])

它的属性axis、shape、dimension、ndim之间关系如下图所示。

Tensor创建

Pytorch可基于给定数据手动创建Tensor,并提供了多种方式

  • torch.tensor()

import numpy as np

import torch

arr = np.ones((3, 3))

'''

[[1. 1. 1.]

[1. 1. 1.]

[1. 1. 1.]]

'''

print(arr)

ndarray的数据类型: float64

print("ndarray的数据类型:", arr.dtype)

t= torch.tensor(arr)

'''

tensor([[1., 1., 1.],

[1., 1., 1.],

[1., 1., 1.]], dtype=torch.float64)

'''

print(t)

  • 从numpy创建Tensor ->torch.from_numpy(ndarray)

import numpy as np

import torch

创建一个numpy数组

numpy_array = np.array([[1, 2, 3], [4, 5, 6]])

从numpy数组创建一个Tensor,并保持数据共享(更改Tensor内容会同时改变numpy数组)

tensor_from_numpy = torch.from_numpy(numpy_array)

print(tensor_from_numpy)

输出:

tensor([[1, 2, 3],

[4, 5, 6]], dtype=torch.int32)

修改tensor,array也会被修改

print("# -----------修改tensor--------------*")

t[0, 0] = -1

print("numpy array: ", arr)

输出:

numpy array: [[-1 2 3]

[ 4 5 6]]

print("tensor : ", t)

输出:

tensor([[-1, 2, 3],

[4, 5, 6]], dtype=torch.int32)

  • 根据数值创建张量

**1.**torch.zeros():根据size创建全0张量

torch.zeros(*size, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False)
  1. torch.zeros_like:根据input形状创建全0张量

    torch.zeros_like(input, dtype=None, layout=None, device=None, requires_grad=False, memory_format=torch.preserve_format)

此外 还有一些如下:

  1. torch.full() & torch.full_like():创建自定义某一数值的张量。

  2. torch.linspace():创建均分的一维张量

5.torch.logspace():创建对数均分的一维张量

6.torch.arrange():创建等差的一维张量

  1. torch.eye():创建单位对角矩阵
  • 根据概率创建张量

1.torch.normal():生成正态分布(高斯分布)

torch.normal(mean, std, *, generator=None, out=None)
相关推荐
羊小猪~~1 分钟前
神经网络基础--什么是正向传播??什么是方向传播??
人工智能·pytorch·python·深度学习·神经网络·算法·机器学习
软工菜鸡27 分钟前
预训练语言模型BERT——PaddleNLP中的预训练模型
大数据·人工智能·深度学习·算法·语言模型·自然语言处理·bert
放飞自我的Coder30 分钟前
【python ROUGE BLEU jiaba.cut NLP常用的指标计算】
python·自然语言处理·bleu·rouge·jieba分词
正义的彬彬侠1 小时前
【scikit-learn 1.2版本后】sklearn.datasets中load_boston报错 使用 fetch_openml 函数来加载波士顿房价
python·机器学习·sklearn
张小生1801 小时前
PyCharm中 argparse 库 的使用方法
python·pycharm
秃头佛爷1 小时前
Python使用PDF相关组件案例详解
python
Dxy12393102161 小时前
python下载pdf
数据库·python·pdf
叶知安1 小时前
如何用pycharm连接sagemath?
ide·python·pycharm
weixin_432702261 小时前
代码随想录算法训练营第五十五天|图论理论基础
数据结构·python·算法·深度优先·图论
菜鸟清风1 小时前
ChromeDriver下载地址
python