PyTorch学习笔记（一）

1.Tensor

1.1 构造一个5x3矩阵,不初始化

x = torch.empty(5, 3)
print(x)

打印结果：

tensor([[1.0102e-38, 1.0194e-38, 3.6736e-39],
        [8.3572e-39, 4.5918e-39, 4.5918e-39],
        [4.0408e-39, 4.5918e-39, 4.7755e-39],
        [8.5408e-39, 8.3571e-39, 4.5918e-39],
        [4.6837e-39, 4.0408e-39, 4.5918e-39]])

1.2 构造一个随机初始化的矩阵

x = torch.rand(5, 3)
print(x)

打印结果：

tensor([[0.1306, 0.2627, 0.1585],
        [0.8739, 0.0200, 0.4470],
        [0.6009, 0.5557, 0.1189],
        [0.5708, 0.4116, 0.6806],
        [0.0506, 0.6534, 0.2358]])

1.3 构造一个矩阵全为 0,而且数据类型是 long.

x = torch.zeros(5, 3, dtype=torch.long)
print(x)

输出结果

tensor([[0, 0, 0],
        [0, 0, 0],
        [0, 0, 0],
        [0, 0, 0],
        [0, 0, 0]])

1.4 直接使用数据构造一个张量

x = torch.tensor([5.5, 3])
print(x)

输出结果

tensor([5.5000, 3.0000])

1.5 创建一个 tensor 基于已经存在的 tensor

x = tensor([5.5000, 3.0000])
x = x.new_ones(5, 3, dtype=torch.double)
print(x)

输出结果

tensor([[1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.]], dtype=torch.float64)

x = torch.rand_like(x, dtype=torch.float)
print(x)

输出结果

tensor([[0.0996, 0.3518, 0.2875],
        [0.2665, 0.5578, 0.1388],
        [0.3313, 0.8641, 0.5232],
        [0.8819, 0.6924, 0.9274],
        [0.8298, 0.4196, 0.1312]])

size

print(x.size())