pytorch建立tensor函數詳情

2022-03-22 13:01:05

1、通過複製資料構造張量

1.1 torch.tensor()

torch.tensor([[0.1, 1.2], [2.2, 3.1], [4.9, 5.2]])
Out[111]: 
tensor([[0.1000, 1.2000],
        [2.2000, 3.1000],
        [4.9000, 5.2000]])
torch.tensor([0, 1]) 
Out[112]: tensor([0, 1])
torch.tensor([[0.11111, 0.222222, 0.3333333]],
             dtype=torch.float64,              device=torch.device('cpu'))
Out[113]: tensor([[0.1111, 0.2222, 0.3333]], dtype=torch.float64)
torch.tensor(3.14159)
Out[114]: tensor(3.1416)
torch.tensor([]) 
Out[115]: tensor([])

torch.tensor([[0.11111, 0.222222, 0.3333333]],
             dtype=torch.float64,              device=torch.device('cpu'), requires_grad=True, pin_memory=False)
Out[117]: tensor([[0.1111, 0.2222, 0.3333]], dtype=torch.float64, requires_grad=True)

dtype（torch.dtype，可選）–返回張量的所需資料型別。預設值：如果沒有，則根據資料推斷資料型別。
device（torch.device，可選）–構造張量的裝置。如果沒有，並且資料是張量，那麼就使用資料裝置。如果沒有且資料不是張量，則結果張量在CPU上構造。
require_grad（bool，可選）– 是否需要保留梯度資訊。預設值：False。
pin_memory（bool，可選）–如果設定了，返回的張量將分配到pind記憶體中。僅適用於CPU張量。預設值：False。

1.2 將numpy的ndarray轉為tensor

>>> a = numpy.array([1, 2, 3])
>>> t = torch.as_tensor(a)
>>> t
tensor([1, 2, 3])
>>> t[0] = -1
>>> a
array([-1,  2,  3])
>>> a = numpy.array([1, 2, 3])
>>> t = torch.as_tensor(a, device=torch.device('cuda'))
>>> t[0] = -1
>>> a
array([1, 2, 3])

t = torch.as_tensor([2, 2, 2], device=torch.device('cuda'))
>>> t
tensor([2, 2, 2], device='cuda:0')

a = numpy.array([1, 2, 3])
t = torch.from_numpy(a)
t
Out[38]: tensor([1, 2, 3])
t[0] = -1
a
Out[40]: array([-1,  2,  3])

2、生成全0或者全1的tensor

torch.zeros(2, 3)
Out[41]: 
tensor([[0., 0., 0.],
        [0., 0., 0.]])
torch.zeros(5)
Out[42]: tensor([0., 0., 0., 0., 0.])

torch.ones(2, 3)
Out[43]: 
tensor([[1., 1., 1.],
        [1., 1., 1.]])
torch.ones(5)
Out[44]: tensor([1., 1., 1., 1., 1.])

參數列:

out：輸出的物件
dtype: 返回的張量的所需資料型別。預設值：如果沒有，則使用全域性預設值（請參閱torch.set_Default_tensor_type（））。
layout
device: 構造張量的裝置。如果沒有，並且資料是張量，那麼就使用資料裝置。如果沒有且資料不是張量，則結果張量在CPU上構造。
requires_grad: 是否需要保留梯度資訊。預設值：False。

3、生成序列

3.1、生成一個指定步長的等差序列

torch.arange(5)
Out[45]: tensor([0, 1, 2, 3, 4])
torch.arange(1, 4)
Out[46]: tensor([1, 2, 3])
torch.arange(1, 2.5, 0.5)
Out[47]: tensor([1.0000, 1.5000, 2.0000])

start: 點集的開始值。預設值：0。
end: 點集的結束值
step: 每對相鄰點之間的間隙。預設值：1，可以是小數。

3.2 生成一個指定步數的等差數列

torch.linspace(3, 10, steps=5)
Out[49]: tensor([ 3.0000,  4.7500,  6.5000,  8.2500, 10.0000])
torch.linspace(-10, 10, steps=5)
Out[50]: tensor([-10.,  -5.,   0.,   5.,  10.])
torch.linspace(start=-10, end=10, steps=1)
Out[51]: tensor([-10.])

4、生成指定大小的單位矩陣

torch.eye(3)
Out[58]: 
tensor([[1., 0., 0.],
        [0., 1., 0.],
        [0., 0., 1.]])

5、生成一個指定大小張量

torch.empty((2,3), dtype=torch.int64)
Out[59]: 
tensor([[0, 0, 0],
        [0, 0, 2]])

6、建立一個指定大小的張量。張量的資料是填充的指定值

torch.full((2, 3), 3.141592)
Out[67]: 
tensor([[3.1416, 3.1416, 3.1416],
        [3.1416, 3.1416, 3.1416]])

到此這篇關於pytorch建立tensor函數詳情的文章就介紹到這了,更多相關pytorch建立tensor函數內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com！

pytorch建立tensor函數詳情

目錄

1、通過複製資料構造張量

1.1 torch.tensor()

1.2 將numpy的ndarray轉為tensor

2、生成全0或者全1的tensor

3、生成序列

3.1、生成一個指定步長的等差序列

3.2 生成一個指定步數的等差數列

4、生成指定大小的單位矩陣

5、生成一個指定大小張量

6、建立一個指定大小的張量。張量的資料是填充的指定值

熱門文章

pytorch建立tensor函數詳情

目錄

1、通過複製資料構造張量

1.1 torch.tensor()

1.2 將numpy的ndarray轉為tensor

2、生成全0或者全1的tensor

3、生成序列

3.1、 生成一個指定步長的等差序列

3.2 生成一個指定步數的等差數列

4、生成指定大小的單位矩陣

5、生成一個指定大小張量

6、 建立一個指定大小的張量。張量的資料是填充的指定值

熱門文章

3.1、生成一個指定步長的等差序列

6、建立一個指定大小的張量。張量的資料是填充的指定值