Tensor和Variable（笔记）

1.（以前）Variable是torch.autograd中的数据类型，主要用于封装Tensor，进行自动求导：

data：被包装的tensor

grad：data的梯度

grad_fn：创建Tensor的Function，是自动求导的关键

requires_grad：指示是否需要梯度

is_leaf：指示是否是叶子节点（张量）

                                                  

2.（现在）Variable并入Tensor

dtype：张量的数据类型，如torch.FloatTensor，torch.cuda.FoatTensor

shape:张量的形状，如（64，3，224，224）

device：张量所在设备，GPU/CPU，加速的关键

                                     

3.  张量创建：

1）直接创建

torch.tensor(

data, dtype=None, device=None,

requires_grad=False, pin_menory=False)

pin_menory：存于索页内存

 

2）torch.from_numpy(ndarray)   # 从numpy创建tensor，内存共享

 

3）依据数组创建

torch.zeros（（3，3）,out=out_t）

torch.zeros_like（）

torch.one()

torch.one_like（）

torch.full((3,3), 10)

torch.full_like（）

 

torch.arange（start，end，step）#等差   【start，end）

torch.linspace（start，end，steps）

 

4）依据概率分布创建

torch.normal（mean，std，out=None）#正态高斯分布，有四种情况（标量/张量）

 

torch.randn（*size，out=None，dtype=None）标准正态分布

*size：张量形状

torch.randn_like（）

 

torch.rand（*size，out=None，dtype=None） # [0,1)上均匀分布

torch.rand_like（）

torch.randint（） #  [low，high)

torch.randint_like（）

 

torch.randperm（n，out=None，dtype=torch.int64）# 0—n-1随机排列

n：张量的长度

 

torch.bernoulli（input，*，generator=None，out=None）  #以input概率值，生成伯努利分布