福州企业网站开发,报价网站系统,有道网站收录提交入口,海安市建设局网站文章目录1. tensor 张量2. 运算3. 切片、形状size()、改变形状view()4. item() 只能读取一个元素参考 http://pytorch123.com/1. tensor 张量
empty 不初始化
import torch
x torch.empty(5,3) # 不初始化
print(x)tensor([[1.0010e-38, 4.2246e-39, 1.0286e-38],[1.0653e-3…
文章目录1. tensor 张量2. 运算3. 切片、形状size()、改变形状view()4. item() 只能读取一个元素参考 http://pytorch123.com/1. tensor 张量
empty 不初始化
import torch
x torch.empty(5,3) # 不初始化
print(x)tensor([[1.0010e-38, 4.2246e-39, 1.0286e-38],[1.0653e-38, 1.0194e-38, 8.4490e-39],[1.0469e-38, 9.3674e-39, 9.9184e-39],[8.7245e-39, 9.2755e-39, 8.9082e-39],[9.9184e-39, 8.4490e-39, 9.6429e-39]])rand 随机初始化 0 - 1 之间
x torch.rand(5,3) # 随机初始化tensor([[0.5931, 0.2422, 0.2738],[0.0949, 0.4755, 0.7422],[0.7418, 0.5980, 0.4837],[0.4228, 0.4489, 0.2633],[0.7277, 0.7254, 0.8932]])zeros 初始化为0dtype指定数据类型
x torch.zeros(5,3,dtypetorch.long)tensor([[0, 0, 0],[0, 0, 0],[0, 0, 0],[0, 0, 0],[0, 0, 0]])直接赋值
x torch.tensor([[5.5, 3], [2,4]])tensor([[5.5000, 3.0000],[2.0000, 4.0000]])new_* 方法继承之前张量的属性也可以覆盖以前的属性
x x.new_ones(5,3,dtypetorch.double)
tensor([[1., 1., 1.],[1., 1., 1.],[1., 1., 1.],[1., 1., 1.],[1., 1., 1.]], dtypetorch.float64)x x.new_zeros(2,4)
tensor([[0., 0., 0., 0.],[0., 0., 0., 0.]], dtypetorch.float64) # 可见属性继承了之前的rand_like 形状跟之前的一样
x torch.randn_like(x,dtypetorch.float)
print(x)
print(x.size())tensor([[ 0.2575, -0.3525, 1.2242, -0.0641],[ 0.0307, 0.0433, -0.3609, 2.0844]])
torch.Size([2, 4])2. 运算
x torch.eye(3)
y torch.zeros(3,3)
print(xy) #
print(torch.add(x,y)) # addres torch.empty(2,2)
print(res.size()) # torch.Size([2, 2])
torch.add(x,y,outres) # out 为输出变量
print(res)
print(res.size()) # torch.Size([3, 3])# in-place 加法
y.add_(x) # y yx y 会变 注意是 add_ 有下划线
print(y)3. 切片、形状size()、改变形状view()
切片跟numpy一样
print(x[:,:1].size()) # torch.Size([3, 1])x torch.randn(4,4)
y x.view(16)
z x.view(-1,8) # -1 自动推断
print(x.size(), y.size(), z.size())# torch.Size([4, 4]) torch.Size([16]) torch.Size([2, 8])4. item() 只能读取一个元素
x torch.randn(1)
print(x)
print(x.item())
# tensor([-0.3280])
# -0.327981561422348x torch.randn(2,3)
print(x)
print(x[0,1].item()) # 只能获取一个元素# tensor([[-1.2239, 0.3518, 1.1019],
# [-0.1341, 1.0625, 0.2442]])
# 0.3518247902393341
