第一节 tensor - 第一部分

• tensor简介
• 导包
• 构造矩阵
• 两个矩阵加和（四种方法）
• 操作
• 注意

tensor简介

tensor类似于NumPy的ndarray，另外还有Tensors也可用于GPU以加速计算。

导包

from __future__ import print_function
import torch

构造矩阵

#构造一个未初始化的5*3矩阵
x = torch.empty(5, 3)
print(x)

#构造一个随机初始化的5*3矩阵
x = torch.rand(5, 3)
print(x)

#构造一个矩阵填充的0和的dtype long
x = torch.zeros(5, 3, dtype=torch.long)
print(x)


#直接从数据构造tensor
x = torch.tensor([5.5, 3])
print(x)

#根据现有的tensor创建tensor。除非用户提供新值，否则这些方法将重用输入tensor的属性，例如dtype
x = x.new_ones(5, 3, dtype=torch.double)
print(x)
x = torch.randn_like(x, dtype=torch.float)
print(x)
print(x.size())
y = torch.rand(5,3)
print(y)

运行结果：

两个矩阵加和（四种方法）

#add方法一
print(x + y)
#add方法二
print(torch.add(x, y))
#add方法三
result = torch.empty(5, 3)
torch.add(x, y, out=result)
print(result)
#add方法四
y.add_(x)
print(y)

运行结果：

操作

#访问第一列，与numpy用法相似
print(y[:, 1])

#调整大小
x = torch.randn(4, 4)
y = x.view(16)
z = x.view(-1, 8)
print(x.size(), y.size(), z.size())

#如果你的tensor只有一个元素，可以用.item()获取值作为python数字
x = torch.randn(1)
print(x)
print(x.item())

运行结果：

注意

任何改变原tensor的操作都是用‘’后实现的。（如：add())

更多精彩内容