【Pytorch 基础教程2】10分钟掌握Tensor基础 VSCode +Pytorch配置

Pytorch 基础教程 02

Tensor
PyTorch 作为Numpy的代替品，可以使用GPU的强大计算能力
提供最大的灵活性和告诉的深度学习研究平台

这里补充上实验环境调试：第一次使用VS Code可以参考：PyTorch（超详细）部署与激活 举起Python火炬，点亮智慧人生【Windows版】

另外这里可能会遇到一些环境问题：
为了解决这里先点击VS Code右下角环境，在弹出菜单中选择Pytorch环境

开始安装torch library

SUCCESS !!

开始coding

Tensor是 PyTorch 中的核心数据抽象。此交互式笔记本深入介绍了 torch.Tensor 类。
首先，让我们导入 PyTorch 模块。我们还将添加 Python 的数学模块来简化一些示例。

2.1 创建Tensor

创建张量的最简单方法是使用 torch.empty() 调用：

x = torch.empty(3, 4)
print(type(x))
print(x)

结果：

让我们拆分刚刚所做的事情：

• 我们使用 torch 模块附带的众多工厂方法之一创建了一个张量。
• 张量本身是二维的，这个例子有 3 行和 4 列。
• 返回对象的类型是 torch.Tensor ，它是 torch.FloatTensor 的别名；默认的情况下，PyTorch 张量由 32 位浮点数填充。 （下面详细介绍数据类型。）
• 打印张量时，您可能会看到一些看起来随机的值。 torch.empty() 调用为张量分配内存，但不使用任何值对其进行初始化 - 因此您看到的是分配时内存中的内容。

关于张量及其维数和术语的简要说明：

• 有时你会看到称为vector的一维tensor。
• 同样，二维tensor通常称为矩阵。
• 任何超过二维的东西通常都被称为tensor。
  通常，你需要使用某个值来初始化张量。常见情况是全零、全一或随机值， torch 模块为所有这些提供工厂方法：