pytorch学习-Tensor的常用属性和方法

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。
PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库,基于 Torch 库,底层由 C++ 实现,应用于人工智能领域,如计算机视觉和自然语言处理

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:
在这里插入图片描述

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库,基于 Torch 库,底层由 C++ 实现,应用于人工智能领域,如计算机视觉和自然语言处理

评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值