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
飞哥数智坊4 小时前
从CodeBuddy翻车到MasterGo救场,我的小程序UI终于焕然一新
人工智能
AKAMAI6 小时前
跳过复杂环节:Akamai应用平台让Kubernetes生产就绪——现已正式发布
人工智能·云原生·云计算
新智元8 小时前
阿里王牌 Agent 横扫 SOTA,全栈开源力压 OpenAI!博士级难题一键搞定
人工智能·openai
新智元8 小时前
刚刚,OpenAI/Gemini 共斩 ICPC 2025 金牌!OpenAI 满分碾压横扫全场
人工智能·openai
机器之心8 小时前
OneSearch,揭开快手电商搜索「一步到位」的秘技
人工智能·openai
阿里云大数据AI技术8 小时前
2025云栖大会·大数据AI参会攻略请查收!
大数据·人工智能
YourKing9 小时前
yolov11n.onnx格式模型转换与图像推理
人工智能
sans_9 小时前
NCCL的用户缓冲区注册
人工智能
sans_9 小时前
三种视角下的Symmetric Memory,下一代HPC内存模型
人工智能
算家计算9 小时前
模糊高清修复真王炸!ComfyUI-SeedVR2-Kontext(画质修复+P图)本地部署教程
人工智能·开源·aigc