从0开始学Pytorch——Tensor基础

一、张量是什么

张量(Tensor)是一种特殊的数据结构，与数组和矩阵十分相似。

二、张量的相关知识

1.空张量

空张量(Empty Tensor)是指没有存储数据的张量,也可以理解为只有形状(shape)属性的张量。

(1)一维空张量

eg：
import torch  
x1 = torch.empty(2)
print(x1)

输出结果为：

(2)二维空张量

eg：
import torch 
x2 = torch.empty(2,3)
print(x2)

输出结果为：

(3)三维空张量

eg：
import torch 
x3 = torch.empty(2,2,3)
print(x3)

输出结果为：

2.初始化张量

(1)使用给定数据来创建

eg：
import torch     
x3 = torch.empty(2,2,3)
print(x3)

输出结果为：

(2)使用随机值或常量值来创建

eg：
# 随机值
x = torch.rand(2,3)
# 常量0
y = torch.zeros(2,3)
# 常量1
z = torch.ones(2,3)
print(x)
print(y)
print(z)

输出结果为：

3.张量的算术运算

(1)加法

eg：
import torch                                           
x = torch.rand(2,2)
y = torch.rand(2,2)
print(x)
print(y)
z1 = x + y
z2 = torch.add(x,y)
# 加了_的函数会执行就地操作，因此会修改它所应用的变量
y.add_(x)
print(z1)
print(z2)
print(y)

输出结果为：

注：
就地操作:将结果存储到操作数中的操作称为就地操作。用 _ 后缀表示。例如：x.t_() ，将更改 x 。
就地操作优点:可以节省一些内存。
就地操作缺点：在计算导数时可能会出现问题，会立即丢失历史记录。

(2)减法

eg：
import torch                        
x = torch.rand(2,2)
y = torch.rand(2,2)
print(x)
print(y)
z1 = x - y
z2 = torch.sub(x,y)
y.sub_(x)
print(z1)
print(z2)
print(y)

输出结果为：

(3)乘法

eg：
import torch  
x = torch.rand(2,2)
y = torch.rand(2,2)
print(x)
print(y)
z1 = x * y
z2 = torch.mul(x,y)
y.mul_(x)
print(z1)
print(z2)
print(y)

输出结果为：

(4)除法

eg：
import torch     
x = torch.rand(2,2)
y = torch.rand(2,2)
print(x)
print(y)
z1 = x / y
z2 = torch.div(x,y)
y.div_(x)              
print(z1)
print(z2)
print(y)

输出结果为：

4.张量的属性

(1)形状(shape)

格式：张量名.shape()

eg：
import torch           
x = torch.rand(2,2,dtype = torch.float)   
print(x.size())

输出结果为：

(2)数据类型(dtype)

格式：张量名.dtype

eg：
import torch           
x = torch.rand(2,2,dtype = torch.float)
print(x.dtype)

输出结果为：

(3)存储的设备(device)

格式：张量名.device

eg：
import torch                     
x = torch.rand(2,2,dtype = torch.float)        
print(x.device) 

输出结果为：

5.张量的切片

eg：
import torch                                                                                    
x = torch.rand(5,3)
print(x)
# 输出张量的第三行
print(x[2,:])
# 输出张量的第二列
print(x[:,1])
# 的第四行第三个单元素张量
print(x[3,2])
# 输出单元素张量的实际值
print(x[3,2].item())

输出结果为：

6.张量的重塑

通过view()函数来进行张量的重塑。-1表示不确定的数，如果已确定重塑的行数或列数中的一个，不确定重塑的行数或列数的另一个，那么不确定的地方就写-1。
注：重塑的行数和列数不能都写为-1。

eg：
import torch                                  
x = torch.rand(4,4)
print(x)
# 重塑为一维
y = x.view(16)
print(y)
# 重塑为二维
y = x.view(8,-1) 
print(y.size())
print(y)
y1 = x.view(-1,8)
print(y1.size())
print(y1)

输出结果为：

总结

以上就是今天要讲的内容，本文简要介绍了张量以及张量的相关知识。