pytorch创建tensor函数详情
作者:就是一顿骚操作 时间:2021-10-30 15:09:56
1、通过复制数据构造张量
1.1 torch.tensor()
torch.tensor([[0.1, 1.2], [2.2, 3.1], [4.9, 5.2]])
Out[111]:
tensor([[0.1000, 1.2000],
[2.2000, 3.1000],
[4.9000, 5.2000]])
torch.tensor([0, 1])
Out[112]: tensor([0, 1])
torch.tensor([[0.11111, 0.222222, 0.3333333]],
dtype=torch.float64, device=torch.device('cpu'))
Out[113]: tensor([[0.1111, 0.2222, 0.3333]], dtype=torch.float64)
torch.tensor(3.14159)
Out[114]: tensor(3.1416)
torch.tensor([])
Out[115]: tensor([])
torch.tensor([[0.11111, 0.222222, 0.3333333]],
dtype=torch.float64, device=torch.device('cpu'), requires_grad=True, pin_memory=False)
Out[117]: tensor([[0.1111, 0.2222, 0.3333]], dtype=torch.float64, requires_grad=True)
dtype
(torch.dtype,可选)–返回张量的所需数据类型。默认值:如果没有,则根据数据推断数据类型。device
(torch.device,可选)–构造张量的装置。如果没有,并且数据是张量,那么就使用数据设备。如果没有且数据不是张量,则结果张量在CPU上构造。require_grad
(bool,可选)– 是否需要保留梯度信息。默认值:False。pin_memory
(bool,可选)–如果设置了,返回的张量将分配到pind内存中。仅适用于CPU张量。默认值:False。
1.2 将numpy的ndarray转为tensor
>>> a = numpy.array([1, 2, 3])
>>> t = torch.as_tensor(a)
>>> t
tensor([1, 2, 3])
>>> t[0] = -1
>>> a
array([-1, 2, 3])
>>> a = numpy.array([1, 2, 3])
>>> t = torch.as_tensor(a, device=torch.device('cuda'))
>>> t[0] = -1
>>> a
array([1, 2, 3])
t = torch.as_tensor([2, 2, 2], device=torch.device('cuda'))
>>> t
tensor([2, 2, 2], device='cuda:0')
a = numpy.array([1, 2, 3])
t = torch.from_numpy(a)
t
Out[38]: tensor([1, 2, 3])
t[0] = -1
a
Out[40]: array([-1, 2, 3])
2、生成全0或者全1的tensor
torch.zeros(2, 3)
Out[41]:
tensor([[0., 0., 0.],
[0., 0., 0.]])
torch.zeros(5)
Out[42]: tensor([0., 0., 0., 0., 0.])
torch.ones(2, 3)
Out[43]:
tensor([[1., 1., 1.],
[1., 1., 1.]])
torch.ones(5)
Out[44]: tensor([1., 1., 1., 1., 1.])
参数列表:
out
:输出的对象dtype:
返回的张量的所需数据类型。默认值:如果没有,则使用全局默认值(请参阅torch.set_Default_tensor_type())。layout
device
: 构造张量的装置。如果没有,并且数据是张量,那么就使用数据设备。如果没有且数据不是张量,则结果张量在CPU上构造。requires_grad
: 是否需要保留梯度信息。默认值:False。
3、生成序列
3.1、 生成一个指定步长的等差序列
torch.arange(5)
Out[45]: tensor([0, 1, 2, 3, 4])
torch.arange(1, 4)
Out[46]: tensor([1, 2, 3])
torch.arange(1, 2.5, 0.5)
Out[47]: tensor([1.0000, 1.5000, 2.0000])
start
: 点集的开始值。默认值:0。end
: 点集的结束值step
: 每对相邻点之间的间隙。默认值:1,可以是小数。
3.2 生成一个指定步数的等差数列
torch.linspace(3, 10, steps=5)
Out[49]: tensor([ 3.0000, 4.7500, 6.5000, 8.2500, 10.0000])
torch.linspace(-10, 10, steps=5)
Out[50]: tensor([-10., -5., 0., 5., 10.])
torch.linspace(start=-10, end=10, steps=1)
Out[51]: tensor([-10.])
4、生成指定大小的单位矩阵
torch.eye(3)
Out[58]:
tensor([[1., 0., 0.],
[0., 1., 0.],
[0., 0., 1.]])
5、生成一个指定大小张量
torch.empty((2,3), dtype=torch.int64)
Out[59]:
tensor([[0, 0, 0],
[0, 0, 2]])
6、 创建一个指定大小的张量。张量的数据是填充的指定值
torch.full((2, 3), 3.141592)
Out[67]:
tensor([[3.1416, 3.1416, 3.1416],
[3.1416, 3.1416, 3.1416]])
来源:https://blog.csdn.net/weixin_36893273/article/details/123544373
标签:pytorch,创建,tensor,函数
0
投稿
猜你喜欢
python使用turtle库绘制时钟
2022-09-13 07:06:51
python实现电脑自动关机
2021-05-03 13:41:43
JS数组方法汇总
2009-08-03 14:06:00
sql分类汇总及Select的自增长脚本
2012-07-21 14:40:14
python 应用之Pycharm 新建模板默认添加编码格式-作者-时间等信息【推荐】
2023-07-09 01:15:42
电子商务网站评论设计探讨
2009-12-21 16:28:00
asp如何实时获知多少人在线?
2010-05-18 18:34:00
Dreamweaver使用中的7个常见问题与解答
2007-11-03 11:34:00
python中get和post有什么区别
2022-04-17 16:45:15
将滚动条(scrollbar)保持在最底部的方法
2008-02-21 10:05:00
PHP中isset()和unset()函数的用法小结
2023-11-19 14:19:24
发一个较复杂的字符串截取函数
2009-12-08 16:23:00
SQL注入防御:用三种策略应对SQL注入攻击
2008-12-15 16:31:00
Python中__repr__和__str__区别详解
2022-02-17 04:45:25
详解python eval函数的妙用
2021-12-23 10:56:05
详解MySQL数据库中字符串的正确使用
2010-06-20 15:01:00
PHP正则表达式替换<pre>标签外的内容
2023-05-22 10:47:12
开展全面的网站评估
2007-09-27 19:21:00
GoLang使goroutine停止的五种方法实例
2023-09-02 08:31:33
一个比较完美的spacer div技巧
2009-03-18 19:29:00