【深度之眼】Pytorch框架班第五期-Week1任务1第二节：张量简介与创建_向量是一维张量,矩阵是二维张量-优快云博客

本文详细解析了张量、向量、矩阵与标量之间的关系，介绍了张量在深度学习框架Pytorch中的应用，包括其数据类型、形状、设备属性及创建方法。

张量

在这里插入图片描述

张量与矩阵、向量、标量的关系是怎么样的？

标量（scalar)

一个标量表示一个0维的数据，没有方向。

向量（vector）

向量是一个一维的数组，有一个方向，数据沿一个方向排列存放。

矩阵（matrix）

矩阵是一个二维数组，如灰度图像。有行和列两个维度，分别对应图像的高和宽。无法表示RGB图像。

张量（tensor）

张量是一个多维数组，它是标量、向量、矩阵的高维扩展。如RGB图像，第一个维度为图像的高，第二个维度为图像的宽，第三个维度为色彩通道。张量为一个多维数组。

关系：

标量是0阶张量，向量是一维张量，矩阵维二维张量。

张量Tensor与Variable

Variable“赋予”张量什么功能？

Variable是pytorch0.4.0版本之前的一个重要数据类型，之后的版本将Variable并入到Tensor中。Variable是torch.autograd中的数据类型主要用于封装Tensor，Variable给张量增加以下四个属性，使Tensor可以进行自动求导。

Torch.autograd.Variable:

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）

在这里插入图片描述

Pytorch0.4.0开始，Variable并入Tensor:
dtype: 张量的数据类型，如torch.FloatTensor, torch.cuda.FloatTensor（GPU）,一共有九种数据类型（浮点类型，整型，Boolean）
shape: 张量的形状，如（64，3，224，224）
device: 张量所在的设备，GPU/CPU，是加速的关键
在这里插入图片描述