深度学习-Pytorch常见的数据类型

深度学习-Pytorch常见的数据类型

数据类型认识

首先，python与PyTorch中的数据类型

python	PyTorch
int	IntTensor
float	FloatTensor
int array	IntTensor size[d1,d2,...]
float array	FloatTensor size[d1,d2,...]
string	无

在PyTorch中表达String：

• one-hot即将标签编码成数组表示
• Embedding：Word2vec、glove

其中，Pytorch的数据类型根据存放在CPU和GPU的不同，数据类型也不同。

• CPU：torch.[]
• GPU：torch.cuda.[]

数据类型创建

首先明确三个不同的描述：

1. dim：向量的维度，标量的维度为0
2. size()或者shape：每一维度的长度，通俗来说就是几行几列...
3. tensor：具体的数据或者向量

根据dim的不同，对数据进行介绍：

1. dim=0:标量,损失

torch.tensor()

2. dim=1:一维向量，偏置值

torch.tensor([1.1])
torch.rand(1)   #均匀分布
torch.randn(1)  #正态分布
torch.FloatTensor(1)

3. dim=2：二维向量，ANN，线性批输入

torch.tensor([[11,11],[12,12]])
torch.rand(2,3)
torch.randn(2,3)

4. dim=3：三维向量，RNN

torch.tensor([[[11,11],[12,12]],[[11,11],[12,12]]])
torch.rand(2,2,2)
torch.randn(2,2,2)

5. dim=4：四维向量, CNN

torch.tensor([[[[11,11],[12,12]],[[11,11],[12,12]]],[[[11,11],[12,12]],[[11,11],[12,12]]]])
torch.rand(2,2,2,2)
torch.randn(2,2,2,2)

其他的操作

#具体数据量大小
data.numel()
#维度
data.dim()
#尺寸
data.shape
data.size()
#数据类型
a.type()