Pytorch——pytorch的基本数据类型

最新推荐文章于 2024-11-17 19:42:41 发布

橙子吖21

最新推荐文章于 2024-11-17 19:42:41 发布

阅读量1.9k

点赞数 1

分类专栏：动手学深度学习文章标签： pytorch 深度学习网络神经网络

本文链接：https://blog.youkuaiyun.com/qq_42012782/article/details/124073923

版权

动手学深度学习专栏收录该内容

51 篇文章

订阅专栏

本文详细介绍了PyTorch中如何处理Python的string类型，包括使用One-hot和Embedding编码。同时，讨论了PyTorch的数据类型判断，如`torch.randn(2,3)`创建的二维张量及其类型检查。此外，通过实例展示了从0维到4维不同维度张量的创建、形状获取和操作，阐述了张量在PyTorch中的核心概念和用法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、python与pytorch的区别

对pytorch来说怎么处理python中的string类型：

pytorh没有控件来处理string类型，在pytorch中用数字编码来替代。

第一，采用One-hot的形式来表示，[0,1,0,...]

第二，采用Embedding的形式来表示,常用的编码器Word2vec和glove。

2、pytorch的数据类型

3、数据类型的判断

a=torch.randn(2,3) #这是一个二维的tensor，随机初始化两行三列
print(a.type)#输出数据类型


isinstance(a,torch.floatTensor)#数据类型合法化检验，如果a是floatTensor就会返回ture

type(a) #返回的是基本的数据类型 ，用的比较少

CPU 和GPU上数据类型是不一样的。

4、dimension为0的标量（在pytorch中都成为张量tensor）

torch.tensor(1.) #表示标量1.0

torch.tensor(1.3) #表示1.300


#1.3是0维，但是[1.3]是1维，长度为1的Tensor

a=torch.tensor(2.2)
a.shape#表示输出a的形状
len(a.shape) #表示输出a形状的维度
a.size()#表示输出a的形状大小（表示成员函数）

5、dimension为1的向量（在pytorch中都成为张量tensor）

torch.tensor([1.1]) #返回的就是指定数据的张量1.1000
torch.FloatTensor(1) #给定向量的长度为1，会随机初始化出来一个向量

data=np.ones(2) 使用numpy的方法随机初始化两个向量 

a=torch.ones(2)
a.shape #表示输出张量的形状

6、dimension为2的向量（在pytorch中都成为张量tensor）

a=torch.randn(2,3) #表示随机生成一个两行三列的张量
print（a）#输出的是两行三列的随机初始化值
print(a.shape) #输出torch.Size([2,3])
print(a.size())#输出结果torch.Size([2,3])

print(a.size(0))#输出结果是shape的第0个元素，也就是2
print(a.size(1))#输出结果是shape的第1个元素，也就是3
print(a.shape[1]) #输出结果是shape的第1个元素，也就是3

7、dimension为3的向量（在pytorch中都成为张量tensor）