pytorch tensor 基础操作

AI拉呱

于 2019-12-24 08:31:13 发布

阅读量354

点赞数

CC 4.0 BY-SA版权

分类专栏：机器学习、深度学习实例讲解与分析

本文链接：https://blog.youkuaiyun.com/weixin_32393347/article/details/103676669

机器学习、深度学习实例讲解与分析专栏收录该内容

195 篇文章 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

本文档详细介绍了PyTorch中的Tensor操作，包括创建、转换、运算等基本操作，是理解PyTorch张量概念的关键。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

pytorch tensor 基础操作

# -*- coding:utf-8 -*-
# /usr/bin/python
'''
@Author  :  Errol 
@Describe:  
@Evn     :  
@Date    :  2019-09-19  23:54
'''
import torch

dtype = torch.float
device = torch.device("cpu")
# device = torch.device（“cuda：0”）＃取消注释以在GPU上运行

# N是批量大小; D_in是输入维度;
# H是隐藏的维度; D_out是输出维度。
N, D_in, H, D_out = 64, 1000, 100, 10

# 创建随机Tensors以保持输入和输出。
# 设置requires_grad = False表示我们不需要计算渐变
# 在向后传球期间对于这些Tensors。
x = torch.randn(N, D_in, device=device, dtype=dtype)
y = torch.randn(N, D_out, device=device, dtype=dtype)

# 为权重创建随机Tensors。
# 设置requires_grad = True表示我们想要计算渐变
# 在向后传球期间尊重这些张贴。
w1 = torch.randn(D_in,