【pyTorch基础】(2) 张量的创建方法

终于还是入坑了pyTorch，这个月的目标检测先停更一段时间，先学一段时间的GCN。立个flag，下个月把TensorFlow版的YOLOV5更完。

---

1. 创建 numpy 类型转为 Tensor 类型

由于numpy数组类型是最常用的，可以先使用numy创建数组，再从数组转为张量，基本数据类型保持不变，例如：np.float64 变成 torch.float64。

从numpy转为tensor类型的方法： torch.from_numpy( numpy数组 )

# 转换后的数据类型是对应的
import numpy as np

#（1）创建一个维度=1，长度=2的向量
data = np.array([2, 3.3])
# array([2. , 3.3])

# 将numpy类型转为tensor类型
data = torch.from_numpy(data)
# tensor([2.0000, 3.3000], dtype=torch.float64)

#（2）创建一个全为1的二阶矩阵
data = np.ones(shape=[2,3])
# array([[1., 1., 1.],
#        [1., 1., 1.]])

# 转变为tensor类型
data = torch.from_numpy(data)
# tensor([[1., 1., 1.],
#         [1., 1., 1.]], dtype=torch.float64)

---

2. 列表类型转为 tensor 类型

注意，该函数是直接把传入的列表变成张量，输入和输出的数值是不变的，输入参数的不是张量的shape

列表转为tensor类型： torch.tensor( 列表 )

# 将传入的列表变成tensor类型
data = torch.tensor([2.2, 3.3])
# tensor([2.2000, 3.3000])

data = torch.tensor([[2.2, 3.3], [4.4, 5.5]])
# tensor([[2.2000, 3.3000],
#         [4.4000, 5.5000]])

---

3. 生成未初始化的 tensor

注意，该方法生成的数据非常不规则，使用时一定要把后续的数据写进来，如果直接使用，可能会报错nan

生成指定形状的张量，张量内的元素随机： torch.empty( 张量shape )

生成指定形状指定数据类型的张量，张量内的元素随机：

float类型： torch.FloatTensor( 张量shape )