Tensor的常用属性和方法
属性
requires_grad: 查看该tensor是否需要求导
grad_fn:查看该tensor经历了什么样的操作
方法
requires_grad_(): 将tensor变为可求导
cuda(): 将tensor迁移到GPU显存中
查看tensor的属性和方法
代码如下:
import torch
ten1 = torch.FloatTensor(2)
func_attrs = dir(ten1)
tmp = []
for idx, func_attr in enumerate(func_attrs):
tmp.append(func_attr)
if (idx+1)%15 == 0:
print(tmp)
tmp = []
print("ten1的类型", type(ten1))
print("func_attrs的数量:", len(func_attrs))
运行结果如下:

本文介绍了PyTorch中Tensor的重要属性和方法,包括`requires_grad`用于检查是否跟踪运算历史,`grad_fn`显示创建张量的操作。同时,讲解了如何使用`requires_grad_()`切换张量的求导状态,以及`cuda()`函数将数据转移到GPU进行加速计算。这些基础知识对于深度学习实践者至关重要。
1632

被折叠的 条评论
为什么被折叠?



