pytorch中创建tensor的几种方法

最新推荐文章于 2024-10-23 09:12:35 发布

原创最新推荐文章于 2024-10-23 09:12:35 发布 · 2.9k 阅读

6 ·

CC 4.0 BY-SA版权

DL 专栏收录该内容

2 篇文章

订阅专栏

本文详细介绍了在PyTorch中创建张量的各种方法，包括从NumPy数组、列表创建张量，按指定维度初始化张量，进行随机初始化，使用相同元素构建张量等。此外还介绍了如何通过指定均值和标准差来生成正态分布的张量，以及一些特殊张量如对角阵、全零张量和全一张量的创建。

1.从numpy创建

https://pytorch.org/docs/stable/generated/torch.from_numpy.html

2.从list创建

3.指定维度的初始化

# 生成2行3列的数据
a = torch.empty(2, 3)
b = torch.FloatTensor(2, 3)
c = torch.IntTensor(2, 3)

4.随机初始化

# 采样自0~1均匀分布
a = torch.rand(3, 3)

# 形如*_like接受一个Tensor,将这个Tensor的shape读取出来之后在送入*所表示的函数
# 下面的rand_like(a)即将a的shape=3,3读出来传给torch.rand()函数
b = torch.rand_like(a)  # 相当于执行了torch.rand(3,3)

# 在区间[1,10)上随机采样,生成shape=2,2的LongTensor
c = torch.randint(1, 10, [2, 2])

# 采样自N(0,1)
d = torch.randn(3, 3)

随机变量正态分布：https://pytorch.org/docs/stable/generated/torch.randn.html

5.使用相同元素构建

# shape=2,3,所使用的相同的元素为7
b = torch.full([2, 3], 7)

6.指定参数的正态分布

# 指定均值和标准差
a = torch.normal(mean=torch.full([10], 0), std=torch.arange(1, 0, -0.1))

7.linespace

https://pytorch.org/docs/stable/generated/torch.linspace.html

8.logspace

https://pytorch.org/docs/stable/generated/torch.logspace.html

9.全0

a = torch.zeros([3, 4])

10.全

b = torch.ones([3, 4])

11.对角阵

https://pytorch.org/docs/stable/generated/torch.eye.html

12.randperm

>>> torch.randperm(4)
tensor([2, 1, 0, 3])

https://pytorch.org/docs/stable/generated/torch.randperm.html

参考：

https://blog.youkuaiyun.com/SHU15121856/article/details/87731878

https://www.jianshu.com/p/39985149c17a

https://zhuanlan.zhihu.com/p/68627509