PyTorch基本使用-张量的创建

文章目录

- [1. 张量的创建](#1. 张量的创建)
- - [1.1 张量的基本类型](#1.1 张量的基本类型)
  - [1.2 张量的基本创建方式](#1.2 张量的基本创建方式)
  - [1.3 创建线性和随机张量](#1.3 创建线性和随机张量)
  - [1.4 创建 0-1张量](#1.4 创建 0-1张量)
  - [1.5 张量的类型转换](#1.5 张量的类型转换)

1. 张量的创建

1.1 张量的基本类型

0维张量：标量(scalar)

python 复制代码

scalar = torch.tensor(7)
print(scalar.ndim)
>>> 0

1维张量：向量(vector)

python 复制代码

vector = torch.tensor([7,7])
print(vector.ndim)
>>> 1

2维张量：矩阵(matrix)

python 复制代码

matrix = torch.tensor([
    [1,2],
    [2,3]
])
print(matrix.ndim)
>>> 2

多维张量

python 复制代码

t = torch.tensor([
    [
    [1,2,3],
    [4,5,6],
    [7,8,9]
    ]
])
print(t.ndim)
>>> 3

1.2 张量的基本创建方式

torch.tensor() 根据指定数据创建张量

python 复制代码

# 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.rand(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],
    [70,80,90]
]
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)
# 注意，如果传递列表，则创建包含指定元素的张量
data = torch.Tensor([10])
print(data)
data = torch.Tensor([10,20,30])
print(data)

torch.IntTensor()、torch.FloatTensor()、torch.DoubleTensor() 创建指定类型的张量

python 复制代码

data = torch.IntTensor([10,20,30])
print(data)
# 如果传递的类型不对，会自动转换
data = torch.IntTensor([10.2,20.8,30.9])
print(data)
# 其他类型的有
data = torch.ShortTensor([10,20,30])
print(data)
data = torch.LongTensor([10,20,30])
print(data)
data = torch.FloatTensor([10,20,30])
print(data)
data = torch.DoubleTensor([10,20,30])
print(data)

1.3 创建线性和随机张量

torch.arange 和 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, steps]
data = torch.linspace(0,11,10)
print(data)

输出结果：

tex 复制代码

tensor([0, 2, 4, 6, 8])
tensor([ 0.0000,  1.2222,  2.4444,  3.6667,  4.8889,  6.1111,  7.3333,  8.5556,
         9.7778, 11.0000])

torch.random.init_seed 和 torch.random.manual_seed 随机种子设置，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)
# 查看随机种子
print('随机种子：',torch.random.initial_seed())
# 2. 随机种子设置
torch.random.manual_seed(100)
data = torch.randn(2,3)
print(data)
print('随机种子：',torch.random.initial_seed())

结果输出：

tex 复制代码

tensor([[-0.2407,  0.0889, -0.1580],
        [-0.3603, -0.2630,  0.8047]])
随机种子： 973960656430200
tensor([[ 0.3607, -0.2859, -0.3938],
        [ 0.2429, -1.3833, -2.3134]])
随机种子： 100

1.4 创建 0-1张量

torch.ones 和 torch.ones_like 创建全1张量

python 复制代码

# 1. 创建指定形状全1张量
data = torch.ones(2,3)
print(data)
# 2. 根据张量形状创建全1张量
data = torch.ones_like(data)
print(data)

输出结果：

tex 复制代码

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

torch.zeros 和 torch.zeros_like 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)
# 2. 根据张量形状创建全0张量
data = torch.zeros_like(data)
print(data)

输出结果：

tex 复制代码

# 1. 创建指定形状全0张量
data = torch.zeros(2,3)
print(data)
# 2. 根据张量形状创建全0张量
data = torch.zeros_like(data)
print(data)

torch.full 和 torch.full_like 创建全为指定值张量

python 复制代码

# 1. 创建指定形状指定值的张量
data = torch.full([2,3],10)
print(data)
# 2. 根据张量形状创建指定值的张量
data = torch.full_like(data,20)
print(data)

输出结果：

tex 复制代码

tensor([[10, 10, 10],
        [10, 10, 10]])
tensor([[20, 20, 20],
        [20, 20, 20]])

1.5 张量的类型转换

data.type(torch.DoubleTensor)

python 复制代码

data = torch.full([2,3],10)
print("张量的类型：",data.dtype)
# 1.将类型转为 float64
data = data.type(torch.DoubleTensor)
print("张量的类型：",data.dtype)

输出结果：

tex 复制代码

张量的类型： torch.int64
张量的类型： torch.float64

data.double()

python 复制代码

data = torch.full([2,3],10)
print("张量的类型：",data.dtype)
data = data.double()
print("张量的类型：",data.dtype)

输出结果：

tex 复制代码

张量的类型： torch.int64
张量的类型： torch.float64