pytorch深度学习：pytorch基础操作

最新推荐文章于 2025-10-24 18:30:03 发布

原创

最新推荐文章于 2025-10-24 18:30:03 发布 · 428 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #python

本文是PyTorch深度学习的初步学习笔记，主要涉及PyTorch中的数据类型tensor，介绍tensor与numpy数组的相互转换，并概述常见数据格式的理解。

今天开始入坑深度学习，首先学习难度较低的pytorch框架。这一篇文章就是简单学习下pytorch的基本操作。

1. pytorch数据类型

pytorch中的数据类型为tensor，它的基本操作和numpy都挺相似的。要注意的有两个地方，要查看数据的形状不再是shape()，而是view()；改变形状不再是reshape()，而是view()。

import torch
import numpy as np

torch.tensor([2,3])          # 创建一维张量
torch.tensor([[2,3],[4,5]

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

BUAA小乔

关注关注

0
点赞
踩
4

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

PyTorch Tensor 形状变化操作详解

大模型天花板

02-17

888

在深度学习中，Tensor 的形状变换是非常常见的操作。PyTorch 提供了丰富的 API 来帮助我们调整 Tensor 的形状，以满足模型输入、计算或数据处理的需求。本文将详细介绍 PyTorch 中常见的 Tensor 形状变换操作，并通过示例代码进行说明。

每天进步一点点！

03-15

3147

PyTorch 是一个基于 Torch 的 Python 开源机器学习库，用于自然语言处理等应用程序。它主要由 Facebook 的人工智能小组开发，不仅能够实现强大的 GPU 加速，同时还支持动态神经网络，这一点是现在很多主流框架如 TensorFlow 都不支持的。PyTorch 提供了两个高级功能：（1）具有强大的 GPU 加速的张量计算（如 Numpy 库等）。（2）包含自动求导系统的深度神经网络。

参与评论您还未登录，请先登录后发表或查看评论

Pytorch--Tensor的几种形状

weixin_44533869的博客

11-06

1097

Tensor的几种形状 Scalar： import torch from torch import tensor """ Tensor 常见的形式有那些： . 0 scalar . 1 vector . 2 matrix . 3 n-dimensional tensor """ # Scalar 通常就是一个数值 x = tensor(42.) print("x:\t", x) print("x.dim():\t", x.dim()) print("2*x:\t", 2*x) print("x

Pytorch深度学习实战

热门推荐

我是小白呀的博客

02-27

1万+

PyTorch Tensor 的形状.

精选资源

Python深度学习：基于PyTorch.pdf

07-26

深度学习之pytorch版本，适合深度学习初学者入门，给初学者讲解每一个函数，用法，是广大深度学习爱好者的编程经验提炼

精选资源

PyTorch入门指南：从零开始掌握深度学习框架.pdf

03-11

适用人群：初次接触深度学习技术的新学者和技术爱好者，有一定程序基础并希望通过PyTorch深入理解机器学习算法实现的人。使用场景及目标：该文档有助于建立使用者对于深度学习及其具体实践有更加直观的理解，在完成...

精选资源

细说PyTorch深度学习：理论、算法、模型与编程实现 01

05-27

《细说PyTorch深度学习：理论、算法、模型与编程实现》是一本全面解析PyTorch深度学习框架的专业书籍，旨在帮助读者深入理解和熟练应用PyTorch进行深度学习研究和开发。书中涵盖的内容广泛，从基本的深度学习理论到...

精选资源

细说PyTorch深度学习：理论、算法、模型与编程实现 02

05-27

在本节中，我们将深入探讨PyTorch深度学习框架，这是一个强大的工具，广泛用于构建神经网络和执行机器学习任务。PyTorch以其灵活性和易用性而受到研究人员和开发者的青睐，它允许动态计算图的构建，使得调试和实验变...

精选资源

细说PyTorch深度学习：理论、算法、模型与编程实现 03

05-27

在本节中，我们将深入探讨PyTorch深度学习框架，涵盖其理论基础、核心算法、常见模型以及实际编程实现。PyTorch是一个广泛使用的开源库，由Facebook开发，旨在为机器学习研究提供便利，同时也适合于工业级应用。它以...

pytorch查看通道数维数尺寸大小方式

12-17

查看tensor x.shape # 尺寸 x.size() # 形状 x.ndim # 维数例如 import torch parser = argparse.ArgumentParser(description='PyTorch') parser.add_argument('--img_w', default=144, type=int, metavar='imgw', help='img width') parser.add_argument('--img_h', default=288, type=int, metavar='imgh', help='img height')

Tensor的几种形状和创建

Bobodareng的博客

05-26

2189

Tensor的几种形状和创建 1. Tensor的概念 \quad\quadTensor 中文为张量。张量的意思是一个多维数组，它是标量、向量、矩阵的高维扩展。标量可以称为 0 维张量，向量可以称为1维张量，矩阵可以称为2维张量，RGB图像可以表示3维张量。你可以把张量看作多维数组 2. Tensor几种常见的形式有哪些 scalar vector matrix n-dimensional tensor import torch from torch import tensor im

PyTorch中tensor的几种形状

muhuazuishuai的博客

01-10

538

Scalar 通常就是一个数值 vector 例如： [-5., 2., 0.]，在深度学习中通常指特征，例如词向量特征，某一维度特征等 matrix 一般计算的都是矩阵，通常都是多维的 n-dimensional tensor 高维空间例： import torch from torch import tensor #Scalar x = tensor(11.) x #Out: tensor(11.) x.dim() #Out:0 2 * x #Out:tensor(22.) .

Effective TensorFlow Chapter 2: 理解静态和动态的Tensor类型的形状

机器学习杂货铺1号店

12-10

2155

理解静态和动态的Tensor类型的形状本文翻译自：《Understanding static and dynamic shapes》，如有侵权请联系删除，仅限于学术交流，请勿商用。如有谬误，请联系指出。在TensorFlow中，tensor有一个在图构建过程中就被决定的静态形状属性，这个静态形状可以是没有明确加以说明的(underspecified)，比如，我们可以定一个具有形状[None,

Torch和Numpy——查看形状类型

ssunshining的博客

07-25

2906

查看形状类型

torch.tensor形状操作。

Akun_2217的博客

11-22

201

注意一点：[seq_length, batch_size, feature_size]和[feature_size, seq_length, batch_size]本身元素排列就不同，从左往右分别是从第一优先级到最后优先级。一个矩阵[seq_length, batch_size, featrue_size]，内部的元素可以表示为带下标的元素item[seq, bat, fea]，transpose和permute相当于将元素的下标进行转换。最常用的就是reshape，用于模型与模型之间的输入调整。

张量tensor的维度，形状

weixin_42436099的博客

10-12

1126

tensor的维度，形状维度是几：看左边的中括号[，有几个就是几维。形状：先看左边第一个中括号[中有几个元素（广义）被逗号隔开，有n1个则这个张量形状的第一个元素就是n1；再看左边第二个中括号[中有几个元素（广义）被逗号隔开，有n2个则这个张量的形状第二个元素就是n2； n3 n4 … 例如：四维的tensor，形状为（n1,n2,n3,n4） ...

如何查看pytorch里面tensor的形状信息？

To be a better man

12-13

4274

import torch torch = torch.randn(2,3,4) print(torch.shape()) 报错：TypeError: 'torch.Size' object is not callable 改用 print(torch.size()) print(torch.size(0)) print(torch.size(1)) ··· ··· ··· print(.