介绍PyTorch张量

介绍PyTorch张量

介绍PyTorch张量

PyTorch张量是我们在PyTorch中编程神经网络时将使用的数据结构。

在编程神经网络时，数据预处理通常是整个过程的第一步，数据预处理的一个目标是将原始输入数据转换为张量形式。

torch.Tensor​类的实例

PyTorch张量是torch.Tensor​ Python类的实例。我们可以使用类构造函数创建一个torch.Tensor​对象，如下所示：

> t = torch.Tensor()
> type(t)
torch.Tensor

这创建了一个空张量（没有数据的张量），但我们很快就会添加数据。

张量属性

首先，让我们看看一些张量属性。每个torch.Tensor​都有这些属性：

• ​torch.dtype​
• ​torch.device​
• ​torch.layout​

查看我们的张量t​，我们可以看到以下默认属性值：

> print(t.dtype)
> print(t.device)
> print(t.layout)
torch.float32
cpu
torch.strided

张量具有torch.dtype​

​dtype​，在我们的例子中是torch.float32​，指定了张量中包含的数据类型。张量包含统一（相同类型）的数值数据，类型如下：

数据类型	dtype	CPU张量	GPU张量
32位浮点数	torch.float32	torch.FloatTensor	torch.cuda.F