tensor-张量

最新推荐文章于 2025-05-15 20:54:56 发布

pepsi_w

最新推荐文章于 2025-05-15 20:54:56 发布

阅读量329

点赞数

CC 4.0 BY-SA版权

分类专栏：深度学习文章标签： python 深度学习 pytorch

本文链接：https://blog.youkuaiyun.com/wangyumei0916/article/details/126171649

深度学习专栏收录该内容

35 篇文章

订阅专栏

在PyTorch中，张量Tensor是最基础的运算单位，与NumPy中的NDArray类似，张量表示的是一个多维矩阵。我的理解是tensor是一种数据结构，一种可以适用于GPU计算的数据结构。由于深度学习一般使用GPU进行计算，而传统的numpy的NDarray数据结构不能适用于GPU计算。

1，直接创建（其实我的理解是想要创建一个什么变量直接写入t.tensor()里面不要太纠结tensor会怎么样）

import torch as t

x = t.tensor(3)  #这里我觉得等价于 x = 3 只是x的数据类型会不一样 但是数据值是一样的
y = t.tensor([[1,2,3],[4,5,6]])#同理 这里等价于 y = [[1,2,3],[4,5,6]] 但y的数据类型不一样

print(x)
print(y)

运行结果：
tensor(3)
tensor([[1, 2, 3],
        [4, 5, 6]])

2，将numpy类型的数据转化为tensor

直接使用 torch.from_numpy(ndarry)

注意：生成返回的tensor会和ndarry共享数据，任何对tensor的操作都会影响到ndarry, 反之亦然

import torch as t
import numpy
x = numpy.array([[2,3],[4,5]])
print(type(x))
print(x)
y = t.from_numpy(x)
print(type(y))
print(y)
x[0,0] = 1#将数组第一个元素修改为1
print("将数组第一个元素进行修改后：")
print("x = ",x)
print("y = ",y)#虽然没有修改y的值 但这里y还是跟x一样修改了第一个元素

运行结果：
<class 'numpy.ndarray'>
[[2 3]
 [4 5]]
<class 'torch.Tensor'>
tensor([[2, 3],
        [4, 5]], dtype=torch.int32)
将数组第一个元素进行修改后：
x =  [[1 3]
 [4 5]]
y =  tensor([[1, 3],
        [4, 5]], dtype=torch.int32)

3，tensor其他内置函数

torch.empty(size)返回形状为size的空tensor
torch.zeros(size)返回形状为size 值为0的tensor
torch.zeros_like(input)返回跟input的tensor一个size的全零tensor
torch.ones(size)全部是1的tensor
torch.ones_like(input)返回跟input的tensor一个size的全一tensor
torch.arange(start=0, end, step=1)返回一个从start到end的序列，可以只输入一个end参数，就跟python的range()一样了。实际上PyTorch也有range()，但是这个要被废掉了，替换成arange了
torch.rand(size)：返回一个张量，包含了从区间[0,1)的均匀分布中抽取一组随机数，形状由可变参数size定义。
torch.randn(size) 返回包含了从标准正态分布(0,1)中抽取一组随机数，形状由可变参数sizes定义。

4，list、numpy与tensor之间的转换

import torch as t
import numpy

x = t.ones(3)#创建一个3个1的tensor
print(type(x))
print(x)

y = x.numpy()#转化为numpy
print(type(y))
print(y)

z = x.tolist()#转化为list
print(type(z))
print(z)

运行结果：
<class 'torch.Tensor'>
tensor([1., 1., 1.])
<class 'numpy.ndarray'>
[1. 1. 1.]
<class 'list'>
[1.0, 1.0, 1.0]