深度学习02-pytorch-01-张量的创建

深度学习 pytorch 框架 是目前最热门的。

深度学习 pytorch 框架相当于 机器学习阶段的 numpy + sklearn

它将数据封装成张量(Tensor)来进行处理,其实就是数组。也就是numpy 里面的 ndarray .

bash 复制代码
pip install torch===1.10.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
复制代码
import torch
import numpy as np

# 1.tensor:指定数据
# 数值
print(torch.tensor(100))

# 列表:只能是数值
# data =[[2,'int',4],[4,5,6]]
data =[[2,3,4],[4,5,6]]
print(torch.tensor(data))

# ndarray
data =np.random.randint(1,10,(2,3))
print(data)
print(torch.tensor(data))


# 2.Tensor
# # 数值
print(torch.Tensor([100]))
#
# # 列表:只能是数值
# # data =[[2,'int',4],[4,5,6]]
data =[[2,3,4],[4,5,6]]
print(torch.Tensor(data))
#
# # ndarray
data =np.random.randint(1,10,(2,3))
print(data)
print(torch.tensor(data))
#
# # 形状
print(torch.Tensor(4, 5))


# 3.IntTensor
print(torch.IntTensor(2, 3))
data =np.random.randint(1,10,(2,3))
print(torch.FloatTensor(data))
  1. torch.Tensor(data) 默认类型是float 32,所以输出in t 会转成 float 32
python 复制代码
import torch

# 线性
# arange:左闭右开
print(torch.arange(0, 10, 1))

# linspcae:左闭右闭
print(torch.linspace(0, 10, 21))

# 随机数
# 设置随机数种子
torch.random.manual_seed(22)
print(torch.randn((2, 3)))
print(torch.randint(1,10,(2,3)))
# 查看随机数种子
print(torch.random.initial_seed())
python 复制代码
import torch
# 形状
print(torch.zeros((3, 3)))
print(torch.ones((3, 3)))
print(torch.full((3, 3),100))


# 指定张量数据
data = torch.randint(1,10,(3,4))
print(torch.zeros_like(data))
print(torch.ones_like(data))
print(torch.full_like(data,300))

相关推荐
羊羊小栈3 分钟前
基于「YOLO目标检测 + 多模态AI分析」的PCB缺陷检测分析系统(vue+flask+数据集+模型训练)
vue.js·人工智能·yolo·目标检测·flask·毕业设计·大作业
lihuayong3 分钟前
大模型预训练评估指标
人工智能·大模型评估·预训练评估
AI风老师11 分钟前
深度学习入门:打好数学与机器学习基础,迈向AI进阶之路
人工智能·深度学习·机器学习
FutureUniant14 分钟前
GitHub每日最火火火项目(9.10)
人工智能·microsoft·计算机视觉·ai·github
灵光通码15 分钟前
自然语言处理开源框架全面分析
人工智能·自然语言处理·开源
这张生成的图像能检测吗18 分钟前
(论文速读)从语言模型到通用智能体
人工智能·计算机视觉·语言模型·自然语言处理·多模态·智能体
禁默35 分钟前
机器学习的发展与应用:从理论到现实
人工智能·机器学习
WeiJingYu.1 小时前
O3.1 opencv高阶
人工智能·opencv·计算机视觉
研梦非凡1 小时前
ICCV 2025|基于曲线感知高斯溅射的3D参数曲线重建
人工智能·算法·3d
Hello123网站1 小时前
探迹SalesGPT
人工智能·ai工具