Python Pytorch深度学习之Tensors张量

环境：Anaconda自带的编译器——Spyder

最近才开使用conda，发现conda 就是 yyds，爱啦~

一、Tensor（张量）

import torch
#构造一个5*3的空矩阵
x=torch.FloatTensor(5,3)
print(x)
# 构造随机初始化矩阵
x=torch.rand(5,3)
print(x)
# 构造一个矩阵全为0，而且数据类型为long
x=torch.zeros(5,3,dtype=torch.long)
print(x)
# 构造一个张量，直接使用数据
x=torch.tensor([5.5,3])
print(x)
# 创建一个tensor基于已经存在到的tensor
x=x.new_ones(5,3,dtype=torch.double)
print(x)
x=torch.randn_like(x,dtype=torch.float)
print(x)
# 获取它的维度信息
print(x.size())

运行结果

二、操作

print("*************操作**************")
# 加法操作
y=torch.rand(5,3)
print(x+y)
print(torch.add(x, y))
# 定义变量，作为存储结果
result=torch.empty(5,3)
torch.add(x,y,out=result)
print(result)
y.add_(x)
print(y)

运行结果

注：任何使张量发生变化的操作都有一个前缀"":x.copy(y),这样才会发生改变

print("*************改变大小_view**************")
x=torch.rand(4,4)
y=x.view(16)
z=x.view(-1,8)
print(x.size())
print(y.size())
print(z.size())

运行结果

print("*************获得value**************")
x=torch.randn(1)
print(x)
print(x.item())#获得value值

来源：https://blog.csdn.net/qq_43368987/article/details/120898823