脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → Pytorch随机值张量

Pytorch创建随机值张量的过程详解

 更新时间：2023年09月14日 15:13:50   作者：知识推荐号  
这篇文章主要介绍了Pytorch创建随机值张量的过程详解,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下

2-Pytorch创建随机值张量

1 导入必备库

import torch
import numpy as np

2 使用torch.rand()创建0-1均匀分布的随机数

t = torch.rand(2,3)
print(t)

输出：

tensor([[0.1452, 0.1435, 0.2124],
        [0.6646, 0.5232, 0.1572]])

3 使用torch.randn()创建正态分布的随机数

t = torch.randn(2,3)
print(t)

输出：

tensor([[-0.5325, -0.4938,  0.6301],
        [-0.6313, -0.1412,  2.2926]])

4 使用torch.zeros()创建全0张量

t = torch.zeros(3)
print(t)
print(t.dtype)

输出：

tensor([0., 0., 0.])
torch.float32

5 使用torch.ones()创建全1张量

t = torch.ones(3)
print(t)
print(t.dtype)

输出：

tensor([1., 1., 1.])
torch.float32

6 从另一个张量创建新的张量

x = torch.zeros_like(t)
print(x)
x = torch.rand_like(t)
print(x)

输出：

tensor([0., 0., 0.])
tensor([0.6516, 0.5740, 0.6379])

7 张量的属性：

tensor.shape返回张量的形状，与tensor.size()方法等价，tensor.dtype返回当前张量的类型

t = torch.ones(2,3,dtype= torch.float64)
print(t.shape)
print(t.size())
print(t.size(1)) # 返回第二维度大小
print(t.dtype)
print(t.device)

输出：

torch.Size([2, 3])
torch.Size([2, 3])
3
torch.float64
cpu

8 将张量移动到显存，使用tensor.to()方法将张量移动到GPU上

# 如果GPU可用，将张量移动到显存
# 设置使用哪块芯片，多块GPU使用逗号隔开
# import os
# os.environ['CUDA_VISIBLE_DEVICES'] = '0'    # 多块GPU设置，如：'0,1,2'
if torch.cuda.is_available():
    t = t.to('cuda')
print(t.device)

输出：

cuda:0

9 更稳妥的移动显存方法，无论是否有GPU都能保证运行

device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')   # 启动cuda
print("Using {} device".format(device))  # 打印当前设备
t = t.to(device)
print(t.device)

输出：

Using cuda device
cuda:0

到此这篇关于Pytorch创建随机值张量的文章就介绍到这了,更多相关Pytorch随机值张量内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

相关文章

  • Python asyncio异步编程常见问题小结

    Python asyncio异步编程常见问题小结

    本文主要介绍了Python asyncio异步编程常见问题小结，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2023-01-01
  • python进程的状态、创建及使用方法详解

    python进程的状态、创建及使用方法详解

    这篇文章主要介绍了python进程的状态、创建及使用方法,结合实例形式详细分析了Python进程的概念、原理、工作状态、创建以及使用方法,需要的朋友可以参考下
    2019-12-12
  • Pytorch pth 格式转ONNX 格式的详细过程

    Pytorch pth 格式转ONNX 格式的详细过程

    PyTorch 训练的模型，需要在Jetson nano 上部署，jetson 原生提供了TensorRT 的支持，所以一个比较好的方式是把它转换成ONNX 格式，然后在通过ONNX 转换成TensorRT 格式，这篇文章主要介绍了Pytorch pth 格式转ONNX 格式,需要的朋友可以参考下
    2023-05-05
  • 解决Djang2.0.1中的reverse导入失败的问题

    解决Djang2.0.1中的reverse导入失败的问题

    今天小编就为大家分享一篇解决Djang2.0.1中的reverse导入失败的问题，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
  • Pytorch各种维度变换函数总结

    Pytorch各种维度变换函数总结

    本文对于PyTorch中的各种维度变换的函数进行总结,包括reshape()、view()、resize_()、transpose()、permute()、squeeze()、unsqeeze()、expand()、repeat()函数的介绍和对比,感兴趣的可以了解一下
    2024-02-02
  • 通过LyScript实现从文本中读写ShellCode

    通过LyScript实现从文本中读写ShellCode

    LyScript 插件通过配合内存读写，可实现对特定位置的ShellCode代码的导出。本文将利用这一特性实现从文本中读写ShellCode，感兴趣的可以了解一下
    2022-08-08
  • 快速解释如何使用pandas的inplace参数的使用

    快速解释如何使用pandas的inplace参数的使用

    这篇文章主要介绍了快速解释如何使用pandas的inplace参数的使用，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2020-07-07
  • Python引用模块和查找模块路径

    Python引用模块和查找模块路径

    这篇文章主要介绍了Python引用模块和Python查找模块路径的相关资料,需要的朋友可以参考下
    2016-03-03
  • Python元组超详细讲解(小白篇)

    Python元组超详细讲解(小白篇)

    这篇文章主要介绍了Python元组超详细讲解的相关资料,元组是Python中的一种不可变序列类型,适用于存储多个有序元素,它支持多种操作,如索引、切片、合并、重复等,文中通过代码介绍的非常详细,需要的朋友可以参考下
    2024-12-12
  • Python+Redis实现布隆过滤器

    Python+Redis实现布隆过滤器

    布隆过滤器（Bloom Filter）是1970年由布隆提出的。它实际上是一个很长的二进制向量和一系列随机映射函数。这篇文章主要介绍了Python+Redis实现布隆过滤器,需要的朋友可以参考下
    2019-12-12

最新评论