pytorch tensor创建tensor

一、使用torch.Tensor创建

python 复制代码

import torch
data=[[1,2],[3,4]]
x_data=torch.tensor(data)  # 将列表和数组传给tensor会自动转成tensor类型
x_data1=torch.tensor((1,2,3,4)) # 使用元组创建
print(x_data1)

二、直接生成特殊的tensor

python 复制代码

import torch
data1=torch.ones(1,2,3) # 创建一个维度为(1,2,3)的元素全为1的tensor
data2=torch.zeros(1,2,3) # 创建一个维度为(1,2,3)的元素全为0的tensor
data3=torch.randn(3,4,5) # 创建一个维度为(3,4,5)的符合正态分布的tensor
data4=torch.eye(4,5) # 创建一个维度为(4,5)的单位矩阵
data5=torch.randint(5,(5,8)) # 创建一个5一下的随机整数维度为(5,8)的tensot
print(type(data4))
print(data4)

三、仿造其他tensor生成

python 复制代码

import torch

data0=torch.Tensor([1,2,3,4])   
data1=torch.ones_like(data0)  # 仿造传入tensor生成相同形式的全为1的tensor
data2=torch.empty_like(data1)  # 生成全为0的tensor
print(data2)

四、从numpy生成

python 复制代码

import torch
import numpy as np

arr=np.array([1,2,3,4])
tensor0=torch.from_numpy(arr)  # 对arr进行了浅拷贝
tensor1=torch.Tensor(arr) # 对arr进行了深拷贝
arr[0]=100
data_numpy=tensor0.numpy() # 将tensor转成numpy
print(tensor0) # 和arr数组一起改变
print(tensor1)

五、tensor中的to方法

1.数据类型转换

python 复制代码

tensor0=torch.ones(4,5)
    tensor1=tensor0.to(torch.int64)  # 将数据类型转换成传入的数据类型
    tensor2=tensor0.to(tensor1)   # 将数据类型转换乘传入的tensor的类型
    print(tensor2)

2.device转化

python 复制代码

def tensor_device_demo():
    if torch.cuda.is_available():
        device=torch.device('cuda:0')
    else:
        device=torch.device('cpu')

    # 将数据转到gpu中运行
    tensor0=torch.randn(4,5)
    tensor1=tensor0.to(device)