tensor的使用——基础操作

目录

文章目录

前言

一、Tensor创建

二、Tensor的常用操作

总结

---

前言

Tensor，又名张量，读者可能对这个名词似曾相识，因它不仅在PyTorch中出现过，它也是Theano、TensorFlow、 Torch和MxNet中重要的数据结构。关于张量的本质不乏深度的剖析，但从工程角度来讲，可简单地认为它就是一个数组，且支持高效的科学计算。它可以是一个数（标量）、一维数组（向量）、二维数组（矩阵）和更高维的数组（高阶数据）。Tensor和Numpy的ndarrays类似，但PyTorch的tensor支持GPU加速。

---

一、Tensor创建

从接口的角度来讲，对tensor的操作可分为两类：

1. torch.function，如torch.save等。
2. 另一类是tensor.function，如tensor.view等。

创建Tensor

# 指定tensor的形状
a = t.Tensor(2, 3)
a # 数值取决于内存空间的状态，print时候可能overflow
# 用list的数据创建tensor
b = t.Tensor([[1,2,3],[4,5,6]])

tensor([[0., 0., 0.],
        [0., 0., 0.]])
tensor([[1., 2., 3.],