深度学习框架PyTorch：入门与实践学习（二）

原创

于 2019-09-23 21:29:47 发布 · 311 阅读

CC 4.0 BY-SA版权

本文介绍了PyTorch中的核心概念Tensor和Autograd。首先讲解了Tensor的创建方式，如ones、zeros、arange等，并探讨了Tensor的视图、挤压、重新尺寸等操作。接着，文章讨论了线性回归的实现，强调了Variable在实现自动梯度和构建计算图中的作用，解释了requires_grad属性以及volatile对反向传播的影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Tensor和Autograd------Tensor

Tensor

创建：

Tensor(*size),创建时不会立马分配空间，使用时才会分配，而其他均创建时立马就分配。
ones(*sizes)
zeros(*sizes)
eye(*sizes)对角线为1其他为0
arange(s,e,step)从s到e步长为step
linspace(s,e,steps)从s到e，均匀切分成steps份
rand/randn(*sizes)均匀/标准整体分布
normal(mean,std)/uniform(from,to)
randperm(m)随机排列

利用List创建tensor

a = torch.Tensor([[1, 2, 3], [4, 5, 6]])
print(a)

b = a.tolist()
print(b)

print(a.size())

print(a.numel())#输出the num of element

# 创建一个和a一样大小的Tensor
c = torch.Tensor(a.size())
print(c.size())
# 查看c的形状
print(c.shape)

常用tensor操作：

Tensor.view()可以调整tensor的形状，但不会修改自身的数据，两者共享内存
```
a = torch.Tensor([[1, 2, 3], [4, 5, 6]])
print(a)
b = a.view(3, 2)
print(b)
```

最低0.47元/天解锁文章

200万优质内容无限畅学

深度学习框架PyTorch：入门与实践 学习（二）

Tensor和Autograd------Tensor

Tensor

深度学习框架PyTorch：入门与实践学习（二）