Pytorch张量的基本操作

由于Pytorch张量的操作100多种，本文将介绍在深度学习中三四十种常见的操作，以便能快速入门。详细内容请点击pytorch官网，上面有详细内容。

众所周知，pytorch的基本数据类型是张量（Tensor）所以我们要能先创建张量，以便于后续的操作。

创建张量的三种方法：

（1）由列表创建

（2）由numpy数组创建

（3）直接用torch.tensor创建

再讲下面内容之前我们必须要梳理一下维度的概念，由于我之前就搞混了导致我学这部分特别吃力，后面才知道是自己把维度理解反了。比如一个矩阵维度为3×5×7，则第零维是3，第一维是5，第二维是7

1.torch.is_tensor

判断是否为张量，下面展示用法

2.torch.is_floating_point

判断张量里面的数值是否是浮点数

3.torch.is_nonzero

当张量只有一个元素时，判断是否不是0

4.torch.numel

返回张量中所有元素的个数

5.torch.zeros

创建任意形状的全零张量

6.torch.set_default_tensor_type

设置张量的默认数据类型

7.torch.zeros_like

返回一个与输入 input 大小相同的张量，且所有元素值为标量 0。

8.torch.ones_like

返回一个与输入 input 大小相同的张量，且所有元素值为标量 1。

9.torch.arange

返回一个一维张量，大小为 ⌈(end - start) / step⌉，其中包含从区间 [start, end) 中按步长 step 取值的元素，起始值为 start。

10.torch.range

返回值：</