Pytorch学习——张量

目录

一、张量基本概念

二、Tensor

2.1 Variable

2.2.Tensor

三、张量的创建

3.1 直接创建

3.2 依据数值创建

3.3 依据概率分布创建张量

四、张量操作

4.1 张量拼接与切分

4.2 张量索引

4.3 张量变换

五、张量的数学运算

六、线性回归

---

一、张量基本概念

张量是一个多维数组，是标量、向量、矩阵的高维拓展

Tensor（张量）类似于NumPy的ndarray，但还可以在GPU上使用来加速计算。

二、Tensor

2.1 Variable

Variable是torch.autograd中的数据类型，主要用于Tensor封装，进行自动求导。

Variable的5个属性：

1. data：被包装的Tensor

2. grad：data的梯度

3. grad_fn：创建Tensor的Function，是自动求导的关键

4. requires：指示是否需要梯度

5. is_leaf：指示是否是叶子

2.2.Tensor

Pytorch0.4.0及以后版本已将Variable并入Tensor

当前Tensor具有8个属性，除了并入的Variable 5个属性之外，另外3个是：

dtype：张量的数据类型

shape：张量的形状

device：张量所在设备，cup/gpu，是加速的关键

三、张量的创建

3.1 直接创建

torch.tensor(data)  #data可以是list、numpy

arr = np.ones((3, 3))
print("arr数据类型：", arr.dtype)
# t = torch.tensor(arr, device='cuda')
t = torch.tensor(arr)
print(t)

torch.from_numpy(arr)  #从numpy创建tensor，这种方法创建的tensor与原ndarray共享内存。

arr = np.array([[1, 2, 3], [4, 5, 6]])
print("arr数据类型：", arr.dtype)
# t = torch.tensor(arr, device='cuda')
t = torch.from_numpy(arr)
print(t)

3.2 依据数值创建

 torch.zeros(size，out)   #size是张量形状，如（3，3）；out是输出的张量

out_t = torch.tensor([1])
t = torch.zeros((3, 3), out=out_t)  #out用来接收全0张量, 类似赋值操作
print(t, '\n', out_t)
print(id(t), id(out_t), id(t) == id(out_t))

torch.zeros_like(input)

torch.ones(size)

torch.full(size, value)  #创建全为value的张量

torch.arange(start，end，step)