PyTorch深度学习基础---Tensor对象及其运算

原创 已于 2024-03-25 21:00:34 修改 · 793 阅读 · 8 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习 #pytorch #人工智能 #笔记

于 2024-03-09 22:35:01 首次发布

Tensor对象是一个任意维度的矩阵，但是一个Tensor中所有元素的数据类型必须一致。

Torch包含的数据类型和普遍的编程语言的数据类型相似，包含浮点型、有符号整型和无符号整型。

这些类型既可以定义在CPU上，也可以定义在GPU上。

一、dtype属性指定数据类型，device指定设备

使用Tensor数据类型时，可以通过dtype属性指定它的数据类型

输出为：

device指定它的设备（CPU或GPU）

通过device在GPU上定义变量后，可以在终端上通过

最低0.47元/天 解锁文章
Shield-Z
关注
torch.tensor()与torch.Tensor()的区别
刘欢喜的博客
08-01 985
总的来说，torch.tensor() 更像是一个函数式接口，接受数据并返回新的张量，而 torch.Tensor() 更像是一个构造函数，用于实例化张量对象，直接使用给定的数据创建张量。如果希望直接使用原始数据创建张量，并且希望修改原始数据会影响到张量的值，可以使用 torch.Tensor() 构造函数。在 PyTorch 中，torch.tensor() 和 torch.Tensor() 都用于创建张量（Tensor），但是它们有一些细微的区别。
torch.round()
qq_43701910的博客
09-10 710
将输入元素舍入为最接近的整数。
torch.tensor
最新发布
weixin_44525183的博客
09-22 563
你可以把 torch.tensor一种专门为AI设计的、功能强大的“数字乐高积木”。任何数据都可以变成这种积木。它们有各种形状（维度）。它们可以在超级工厂（GPU）里被快速组装和计算。它们还自带**“记忆泡沫”**，能记住自己是怎么被拼装的，方便AI回头检查错误。所以，当你说“我把图片变成了一个Tensor”，就相当于厨师说“我把西红柿切成了丁”，这是开始“烹饪”（AI训练）的第一步！
PyTorch深度学习
Ting_28的博客
03-14 1772
Tensor对象是一个任意维度的矩阵，但是一个Tensor中所有元素的数据类型必须一致。Torch包含的数据类型和普遍的编程语言的数据类型相似，包含浮点型、有符号整型和无符号整型。这些类型既可以定义在CPU上，也可以定义在GPU上。
pytorch之torch.Tensor
邹小驴
08-14 2449
torch.Tensor 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： Data tyoe CPU tensor GPU tensor 32-bit floating point torch.FloatTensor torch.cuda.FloatTensor 64...
[PyTorch深度学习]--torch.Tensor 和 torch.tensor
tingyunye的博客
10-21 1635
在PyTorch中，torch.Tensor和torch.tensor都用于生成新的张量，但二者之间有一些区别。
使用PyTorch进行深度学习 Deep Learning with PyTorch.zip
04-09
本教程将深入探讨如何使用PyTorch进行深度学习，涵盖从基础概念到高级应用的多个方面。 1. PyTorch的基本架构： PyTorch的核心是其动态计算图（Dynamic Computational Graph）机制，这使得在运行时构建和修改计算...
PyTorch 深度学习实践-卷积神经网络基础篇
m0_52695557的博客
07-18 1625
(batch, 1, 28, 28) ->卷积(1, 10, 5)->(10, 24, 24) ->下采样2->(10, 12, 12)->卷积(10, 20, 5)->(20, 8, 8)->下采样2->(20, 4, 4)->卷积(20, 10, 5, padding=2) ->(10, 4 ,4)->下采样(10,2,2)摊平view(batch_size, -1)->l1(40, 32)->l2(32, 16)->l3(16, 10)卷积层用三个，relu三个，池化三个，线性层三个，对比性能。
精选资源
PyTorch基础操作----Deep Learning with PyTorch英文版
07-01
《PyTorch基础操作——深度学习与PyTorch》是一本深入浅出介绍PyTorch在深度学习领域应用的书籍。PyTorch是Facebook开源的一个强大的机器学习库，尤其在深度学习领域广受欢迎，它提供了动态计算图的功能，使得模型...
HBU深度学习实验2-Pytorch-Tensor基础
ckh20040422的博客
09-16 898
向量：向量是一维的，可以看作是特定情况下的矩阵（单行或单列）。矩阵：矩阵是二维的，可以看作是特定情况下的张量（二维）。张量：张量可以是n维的，是最通用、最泛化的表达形式。使用pytorch实现张量的运算创建张量。
chapter6 张量（tensor）及运算
weixin_45104951的博客
03-16 1320
1.向量是一阶张量，矩阵是二阶张量。 张量算法：按元素相加，A+B；按元素相乘，Hadamard积 A*B #创建两个4*4的张量 import torch A = torch.arange(16).reshape(4,4) print("A=",A) B = A print("B=",B) out： A= tensor([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11], [12, 13, 14
PyTorch 1.0 中文文档：torch.Tensor
weixin_30642029的博客
02-10 329
译者：hijkzzz torch.Tensor 是一种包含单一数据类型元素的多维矩阵. Torch定义了八种CPU张量类型和八种GPU张量类型： Data type dtype CPU tensor GPU tensor 32-bit floating point torch.float32 or torch.float torch.FloatTensor torch.cuda....
PyTorch 中的 tensor 及使用
qq_20777119的博客
09-27 475
这篇文章主要是围绕 PyTorch 中的 tensor 展开的，讨论了张量的求导机制，在不同设备之间的转换，神经网络中权重的更新等内容。面向的读者是使用过 PyTorch 一段时间的用户。本文中的代码例子基于 Python 3 和 PyTorch 1.1，如果文章中有错误或者没有说明白的地方，欢迎在评论区指正和讨论。 文章具体内容分为以下6个部分： tensor.requires_grad torch.no_grad() 反向传播及网络的更新 tensor.detach() CPU and GP
PyTorch 笔记（05）— Tensor 基本运算（torch.abs、torch.add、torch.clamp、torch.div、torch.mul、torch.pow等）
热门推荐
wohu1104的专栏
07-18 3万+
2. Tensor 基本运算 2.1 torch.abs 将参数传递到 torch.abs 后返回输入参数的绝对值作为输出，输入参数必须是一个 Tensor 数据类型的变量。 import torch a = torch.randn(2, 3) print a b = torch.abs(a) print b 输出结果： tensor([[ 0.4873, 0.8172, 0.2003], [ 0.6815, 1.5656, -0.8303]]) tensor([[0.4873,
torch.Tensor
weixin_36670529的博客
08-30 9101
torch.Tensor是一个包含单一数据类型元素的多维矩阵。Torch定义了9种CPU张量类型和9种GPU张量类型: Data type dtype CPU tensor GPU tensor 32-bit floating point torch.float32 or torc.........
PyTorch之Tensor.to(device)和model.to(device)详解
IT菜鸟
11-04 1万+
PyTorch之Tensor.to(device)和model.to(device)详解
PyTorch深度学习基础教程与实战案例
2. PyTorch的基本数据结构，包括Tensor（张量）的使用和操作，张量是PyTorch中用于存储多维数组的基础数据结构，类似于其他深度学习框架中的numpy数组。 3. 自动求导机制，了解PyTorch的自动微分系统，即Autograd，...
评论 1
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
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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