一、tensor的創(chuàng)建

1.使用tensor

小寫字母的tensor接收具體的數(shù)據(jù)，可以直接按照numpy的方式輸入數(shù)組。

2.使用Tensor

大寫字母的可以接收形狀，此時會生成隨機數(shù)，但沒有任何規(guī)則?？梢陨刹煌念愋?。

自動生成的數(shù)據(jù)有默認類型，F(xiàn)loatTensor，可以使用torch.set_default_tensor_type去修改

3.隨機初始化

rand：0-1之間均勻采樣

randn：均值0，方差1的正態(tài)分布隨機采樣

以上兩種可以直接輸入形狀，即可產生對應形狀的隨機數(shù)。

randint：參數(shù)是---起始值、終止值、形狀

同時每一個都會有一個_like方法，輸入一個tensor，會生成對應形狀的新tensor

4.其他數(shù)據(jù)生成

①torch.full

參數(shù)是---形狀，數(shù)據(jù)。如果形狀的位置給一個空的list，生成的就是標量。

②torch.arange

參數(shù)是---起始，終止，步長。不包含終止值。

③linspace和logspace

參數(shù)是---起始，終止，數(shù)量。包含終止值

④ones, zeros, eye

輸入形狀即可。ones和zeros也有_like方法

⑤torch.randperm

隨機打散。輸入一個數(shù)字，會自動生成這個數(shù)字長度的，從0開始的隨機排列數(shù)字，可以作為索引。當需要對不同的數(shù)據(jù)，使用相同的索引，并且打亂順序時，非常好用。

二、tensor的索引與切片

1.索引與切片使用方法

和python中的索引切片使用方法一致

①index_select

輸入的參數(shù)---維度的位置、要選的內容對應的維度的索引。不太好理解，可以看下面的例子。

②...

三個點相當于集成了的連續(xù)的冒號。

③mask

需要先根據(jù)數(shù)據(jù)生成一個mask，比如挑選出大于等于0.3的數(shù)，此時會得到一個和數(shù)據(jù)相同形狀的，滿足條件位置是1，不滿足條件的位置是0的一個mask，通過masked_select可以選出數(shù)據(jù)。

三、tensor維度的變換

1.維度變換

①torch.view

和numpy中的reshape方法一樣。轉換的時候需要考慮到實際的物理意義。

②squeeze/unsqueeze

squeeze輸入的參數(shù)---需要減少的維度所在位置

unsqueeze輸入的參數(shù)---需要增加的維度所在的位置

③expand，repeat

expand輸入的參數(shù)---希望擴展后所形成的維度

repeat輸入的參數(shù)---各自維度需要重復的次數(shù)

通常使用expand，因為不會主動復制數(shù)據(jù)。

④t，transpose，permute

t：和numpy中的轉置一樣，只針對二維矩陣操作

transpose：輸入需要交換的維度的位置即可。但想要還原的時候，需記得轉換后的各個位置的物理意義，根據(jù)實際意義進行再次轉換。見下面的例子。

permute：輸入希望轉換成的維度的位置索引即可。相當于多次使用transpose

以上就是人工智能學習Pytorch教程Tensor基本操作示例詳解的詳細內容，更多關于Pytorch的tensor基本操作的資料請關注腳本之家其它相關文章！

最新評論