本文介绍了PyTorch中张量的基础知识，包括张量的创建、运算、广播机制、索引切片、节省空间的操作及与其他Python对象的转换。张量是神经网络中的基本元素，可以通过reshape、concatenate、比较运算、求和等功能进行操作，并能利用广播机制处理不同形状的张量。此外，文章还讲解了如何原地修改张量以及与NumPy的互换使用。
Pytorch的数据操作(预备知识)_python 矩阵复制n遍-优快云博客
1.入门
张量表示由一个数值组成的数组，这个数组可能有多个维度。
- 具有一个轴的张量对应数学上的向量（vector）；
- 具有两个轴的张量对应数学上的矩阵（matrix）；
具有两个轴以上的张量没有特殊的数学名称。
幸运的是，我们可以通过-1来调用此自动计算出维度的功能。 即我们可以用x.reshape(-1,4)或x.reshape(3,-1)来取代x.reshape(3,4)。
例如，当我们构造数组来作为神经网络中的参数时，我们通常会随机初始化参数的值。 以下代码创建一个形状为（3,4）的张量。 其中的每个元素都从均值为0、标准差为1的标准高斯分布（正态分布）中随机采样。
torch.randn(3,4) #生成2维服从正态分布的数据
tensor([[-1.0417, -0.3881, 0.2431, 0.1366],
[ 0.9548, -1.3539, -0.1882, 1.0729],
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
