day19 Tensor 操作1 入门 一起学 PyTorch吧，PyTorch从入门开始 每天都更新 超详细 参数 常用方法 简单案列 共同学习，共同进步 坚持

torch.Tensor 是一种包含单一数据类型元素的多维矩阵。Torch 定义了七种 CPU tensor类型和八种 GPU tensor 类型：

        torch.Tensor 是默认的 tensor 类型（ torch.FloatTensor ）的简称。

         一个张量 tensor 可以从 Python 的 list 或序列构建：

例子：

>>> torch.FloatTensor([[1, 2, 3], [4, 5, 6]])
1 2 3 
4 5 6 
[torch.FloatTensor of size 2x3]

        一个空张量 tensor 可以通过规定其大小来构建：

例子：

>>> torch.IntTensor(2, 4).zero_()
0 0 0 0 
0 0 0 0 
[torch.IntTensor of size 2x4]

        可以用 python 的索引和切片来获取和修改一个张量 tensor 中的内容：

例子：

>>> x = torch.FloatTensor([[1, 2, 3], [4, 5, 6]])
>>> print(x[1][2])
6.0
>>> x[0][1] = 8
>>> print(x) 
1 8 3 
4 5 6 
[torch.FloatTensor of size 2x3]

每一个张量 tensor 都有一个相应的 torch.Storage 用来保存其数据。类tensor 提供了一个存储的多维的、横向视图，并且定义了在数值运算。

注：会改变tensor的函数操作会用一个下划线后缀来标示。比如，torch.FloatTensor_()会在原地计算绝对值，并返回改变后的tensor，而tensor.FloatTensor.abs（）将会在一个新的tensor中计算结果。

class torch.Tensor
class torch.Tensor(*sizes)
class torch.Tensor(size)
class torch.Tensor(sequence)
class torch.Tensor(ndarray)
class torch.Tensor(tensor)
class torch.Tensor(storage)

根据可选择的大小和数据新建一个 tensor。如果没有提供参数，将会返回一个空的零维张量。如果提供了 numpy.ndarray,torch.Tensor 或 torch.Storage将会返回一个有同样参数的 tensor. 如果提供了 python 序列， 将会从序列的副本创建一个 tensor 。

        abs() –>Tensor请查看 torch.abs()

        abs_() –>Tensor abs() 的 in-place 运算形式

        acos() –>Tensor 请查看 torch.acos()

        acos_() –>Tensor:acos() 的 in-place 运算形式

        add(value) 请查看 torch.add()

         add_(value) add() 的 in-place 运算形式

        addbmm(beta=1, mat, alpha=1, batch1, batch2) –>Tensor 请查看 torch.addbmm()

        addbmm_(beta=1, mat, alpha=1, batch1, batch2) –>Tensor addbmm() 的 in-place 运

算形式

        addcdiv(value=1, tensor1, tensor2) –>Tensor 请查看 torch.addcdiv()

         addcdiv_(value=1, tensor1, tensor2) –>Tensor addcdiv() 的 in-place 运算形式

        addcmul(value=1, tensor1, tensor2) –>Tensor 请查看 torch.addcmul()

         addcmul_(value=1, tensor1, tensor2) –>Tensor addcmul() 的 in-place 运算形式

        addmm(beta=1, mat, alpha=1, mat1, mat2) –>Tensor 请查看 torch.addmm()

        addmm_(beta=1, mat, alpha=1, mat1, mat2) –>Tensor addmm() 的 in-place 运算形式

        addmv(beta=1, tensor, alpha=1, mat, vec) –>Tensor 请查看 torch.addmv()

         addmv_(beta=1, tensor, alpha=1, mat, vec) –>Tensor addmv() 的 in-place 运算形式

        addr(beta=1, alpha=1, vec1, vec2) –>Tensor 请查看 torch.addr()

        addr_(beta=1, alpha=1, vec1, vec2) –>Tensor addr() 的 in-place 运算形式

         apply_(callable) –>Tensor 将函数 callable 作用于 tensor 中每一个元素，并将每个元 素用callable函数返回值替代。

         该函数只能在 CPU tensor 中使用，并且不应该用在有较高性能要求的代码块。