pytorch教程之Tensor的值及操作使用学习
更新时间：2021年09月07日 11:43:27 作者：xz1308579340
这篇文章主要为大家介绍了pytorch教程中关于Tensor的操作使用，有需要的朋友可以借鉴参考下，希望可以有所帮助，祝大家升职加薪，共同进步
1、Tensors
Tensors are similar to NumPy's ndaeeays,不同的是可以在GPU上使用和加速计算。
导入包
from __future__ import print_function import torch
建立5*3的矩阵，未初始化
x = torch.empty(5,3) print(x)
out
tensor([[ 1.4395e-36, 4.5848e-41, 1.4395e-36],
[ 4.5848e-41, 1.4395e-36, 4.5848e-41],
[ 1.4395e-36, 4.5848e-41, 2.8026e-45],
[-1.9501e+00, 8.5165e+23, 0.0000e+00],
[ 2.5223e-43, 0.0000e+00, 0.0000e+00]])
建立随机初始化矩阵
x = torch.rand(5,3) print(x)
out
tensor([[ 0.8074, 0.9175, 0.8109],
[ 0.3313, 0.5902, 0.9179],
[ 0.6562, 0.3283, 0.9798],
[ 0.8218, 0.0817, 0.4454],
[ 0.5934, 0.0040, 0.3411]])
建立零初始化矩阵，数据类型是Long
... x = torch.zeros(5,3,dtype = torch.long) print(x) ...
out
tensor([[ 0, 0, 0],
[ 0, 0, 0],
[ 0, 0, 0],
[ 0, 0, 0],
[ 0, 0, 0]])
建立一个tensor数据来源于data
x = torch.tensor([5.5,3]) print(x)
out
tensor([ 5.5000, 3.0000])
在原有tnesor的基础上形成新的tensor，会继承原有tensor的shapee和dtype等属性，当然我么也可以修改这些属性
x = x.new_ones(5,3,dtype = torch.double) print(x) x = torch.randn_like(x,dype = torch.float) print(x)
out
tensor([[ 1., 1., 1.],
[ 1., 1., 1.],
[ 1., 1., 1.],
[ 1., 1., 1.],
[ 1., 1., 1.]], dtype=torch.float64)
tensor([[-0.0730, -0.0716, -0.8259],
[-1.7004, 0.8790, -0.0659],
[-0.8969, 0.8736, -0.6035],
[-0.1539, -2.9178, -0.7456],
[-0.0245, 0.4075, 1.4904]])
获取tensor的size
print(x.size())
out
torch.Size([5, 3])
torch.size是一个元组，支持所有元组(tuple)的操作
2、对Tensor的操作
实现加法的四种方式
方法一L
print(x+y)
方法二
print(torch.add(x,y))
方法三：输出给额外的tensor
result = torch.empty(5,3) torch.add(x,y ,out= result) print (result)
方法四：原地替换-结果存放在y中
print(y)
所有原地替换
所有原地替换tensor的操作都有后缀，比如x.copy(y)，会改变x
使用标准的numpy操作
print(x[：1]
out
tensor([-0.0716, 0.8790, 0.8736, -2.9178, 0.4075])
使用torch.view 改变tensor的形状
x = torch.randn(4,4) y = x.view(16) z = x.view(-1,8) # the size -1 is inferred from other dimensions print (x.size(),y.xize(),z.size())
out
torch.Size([4, 4]) torch.Size([16]) torch.Size([2, 8])
tensor转化为numpy的数字，使用item
x = torch.rnadn(1) print(x) print(x.item())
Torch Tensor 和numpy的相互转换
a = torch.ones(5) print (a)
out
tensor([ 1., 1., 1., 1., 1.])
并且改变tensor的值会同时改变numpy的值
a.add_(1) print(a) print(b)
out
tensor([ 2., 2., 2., 2., 2.]) [ 2. 2. 2. 2. 2.]
将numpy array转化为pytorch Tensor
import numpy as np a = np.ones(5) b = torch.from_numpy(a) np.add(a,1,out = a ) print(a) print（b）
out
[ 2. 2. 2. 2. 2.] tensor([ 2., 2., 2., 2., 2.], dtype=torch.float64)
所有在cpu上的tensor都支持numpy转化，除了char形的tensor
CUDA Tensors
Tensors 可以被移动到其他设备使用.to的方法
... if torch.cuda.is_avaulable(): device = torch.device(“cuda”) y = torch.ones_like(x,device = devcie) x= x.to(device) z = x+y print(z) print(z.to(“cpu”,torch.double)) ...
out
tensor([-1.0620], device='cuda:0') tensor([-1.0620], dtype=torch.float64)
以上就是pytorch教程之Tensor学习笔记的详细内容，更多关于pytorch教程的资料请关注脚本之家其它相关文章！
相关文章
学习Python爬虫时遇到中文乱码问题,发现req.text返回的是unicode,无法再次decode,通过查看网站源码,发现网站使用的是gbk编码,Requests会自动解码来自服务器的内容,但有时推测错误,通过设置r.encoding为gbk,然后对text进行编码,可以正确打印出中文2025-01-01
在本篇文章里小编给大家分享了关于Python中添加自定义模块的实例方法，需要的朋友们可以学习下。2020-06-06
这篇文章主要为大家详细介绍了python+logging+yaml实现日志分割，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2019-07-07
本文主要给大家记录一下列表生成式，生成器和迭代器的知识点，希望对大家学习python能够有所帮助2019-01-01
这篇文章主要介绍了pytorch实现下载加载mnist数据集方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2024-06-06
python号称是编程界的万金油，那么是否可以做个读取电脑网卡wifi并暴力破解的小脚本呢？在这个基础上为了方便体验是不是可以将其打包成exe这样方便执行的小应用呢？本文就来和大家一起聊聊2022-09-09
下面小编就为大家带来一篇解决pyqt中ui编译成窗体.py中文乱码的问题。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧2016-12-12
今天小编就为大家分享一篇python pexpect ssh 远程登录服务器的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-02-02
这篇文章主要介绍了python实现多进程按序号批量修改文件名的方法,涉及Python多进程与文件相关操作技巧,需要的朋友可以参考下2019-12-12
Python3之字节串bytes与字节数组bytearray的使用详解
今天小编就为大家分享一篇Python3之字节串bytes与字节数组bytearray的使用详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-08-08
最新评论