torch.tensor

 

创建张量：

• torch.tensor(data): 从数据中创建张量。用列表创建，numpy创建
• 维度只看[ ]

?

1 2 3

# 一维张量    一维张量是指只有一个轴的张量，没有行列之分 data_1d = [1, 2, 3] tensor_1d = torch.tensor(data_1d)<br>结果<br>tensor([1, 2, 3])

　　

 

?

1 2 3

# 二维张量 data_2d = [[1, 2, 3], [4, 5, 6],[4, 5, 6]] tensor_2d = torch.tensor(data_2d)<br>结果<br>tensor([[1, 2, 3],<br>        [4, 5, 6]<br>        [4, 5, 6]])<br>但是形状是<br>torch.Size([3, 3])<br>是3行3列

　　

?

1 2 3

# 三维张量，就是多个二维 tensor_3d = torch.tensor([[[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]],                          [[13, 14, 15, 16], [17, 18, 19, 20], [21, 22, 23, 24]]])<br>结果tensor([[[ 1,  2,  3,  4],<br>         [ 5,  6,  7,  8],<br>         [ 9, 10, 11, 12]],<br><br>        [[13, 14, 15, 16],<br>         [17, 18, 19, 20],<br>         [21, 22, 23, 24]]])<br>torch.Size([2, 3, 4])<br>有 2 个元素（大小为 2）、3 行（大小为 3）和 4 列（大小为 4）。

　　

• torch.zeros(shape): 创建指定形状的全零张量。
• torch.ones(shape): 创建指定形状的全一张量。
• torch.randn(shape): 创建指定形状的随机张量。

创建有梯度的张量

?

1	x = torch.tensor([2.0], requires_grad=True)<br>设置<code>requires_grad=True</code>，表示我们想要对这个张量进行梯度计算

　　

查看维度：

• dim() 方法用于获取张量的维度（即秩或阶）数量

查看尺寸

• tensor.size(): 返回张量的大小。形状的大小,几行几列

# 创建一个4x3的矩阵（2维tensor）
tensor_original = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])
print(tensor_original)
print(tensor_original.dim())
print(tensor_original.size())

tensor([[ 1,  2,  3],
        [ 4,  5,  6],
        [ 7,  8,  9],
        [10, 11, 12]])
2
torch.Size([4, 3])

 

改变形状

• tensor.view(shape): 改变张量的形状。

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

# 创建一个4x3的矩阵（2维tensor） tensor_original = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])   # 结果 tensor([[ 1,  2,  3],         [ 4,  5,  6],         [ 7,  8,  9],         [10, 11, 12]])   # 使用view改变形状为3x4 tensor_reshaped = tensor_original.view(3, 4) # 结果 tensor([[ 1,  2,  3,  4],         [ 5,  6,  7,  8],         [ 9, 10, 11, 12]])

　　

• tensor.item(): 获取张量中的单个元素的数值

 转移设备

torch.Tensor.to(dtype=None, device=None, dtype2=None, non_blocking=False, copy=False, memory_format=torch.preserve_format) → Tensor

?

1 2 3 4 5

# 创建一个CPU上的浮点型张量 x = torch.tensor([1.0, 2.0, 3.0])   # 将张量转移到CUDA设备上并转换为整型<br>将默认使用当前设备上的第一个可用的CUDA设备 y = x.to(dtype=torch.int, device='cuda')y = x.to(dtype=torch.int, device='cuda：1') 就是第二块cudaprint(y)