Pytorch——tensor

1. 张量

a.dim=0:常量(scaler)
b.dim=1:向量(vector)
c.dim=2:矩阵(matrix)
d.dim=3:3阶张量

2. 创建tensor

a.从列表中创建

(其中Tensor默认数据类型是float,所以创建的张量会带有“.”)

b.从numpy中创建

c.使用torch中的api创建

torch.empty()_创建一个值为空的tensor

torch.zeros()_创建一个值全为0的tensor

torch.randint(low=a,high=b,size=[x,y])创建一个3行4列的tensor,随机值的区间是[low,high)

3.张量的属性

a.获取tensor中的数据（当tensor中只有一个元素可用），tensor.item()

当tensor中不是一个元素的时候，就不能用item(),会报错，显示只有一个只有一个元素张量可以转换为 Python 标量

b.转化为numpy数组

c. 形状的改变x.view

将x由原来的32改为23，且原来的值以及形状不变
关于x.view(-1,…)之类的可以参考这篇博客torch x = x.view(-1, …)理解

d. 获取维度

e.转置transpose

x.transpose(1,0)
tensor([[1, 3, 5],
        [2, 4, 6]])

有关transpose和permute的用法参考转置
permute适合高维的操作，而transpose只适和二维。

f.取值切片操作

先创建一个tensor

t4=torch.tensor(np.arange(24).reshape(3,4,2))
t4
tensor([[[ 0,  1],
         [ 2,  3],
         [ 4,  5],
         [ 6,  7]],
        [[ 8,  9],
         [10, 11],
         [12, 13],
         [14, 15]],
        [[16, 17],
         [18, 19],
         [20, 21],
         [22, 23]]], dtype=torch.int32)

若想取到“13”，则进行如下代码

t4[1,2,1]
tensor(13, dtype=torch.int32)

关于reshapeh的详解可以参考这篇reshape
size的用法可以参考size

4.Tensor和tensor

在pytorch中使用torch.Tensor()和torch.tensor()都能创建张量。

从上图可以看出，使用torch.Tensor()创建的张量是float类型，使用torch.tensor()创建的类型是长整型。
torch.Tensor()是python的一个类，torch.tensor()是python的一个函数。

用法的不同之处：