pytorch中tensor的应用练习

代码可在https://github.com/Yablon/pytorch-practices.git下载how_to_use_tensor.ipynb

# coding: utf-8

# In[1]:


#开始练习pytorch中对tensor的使用
from __future__ import print_function
import torch as t
#__future__这个模块是将python3版本的一些特性导入到2版本中。
#导入print_function后，print的用法就和python3中一样了


# In[2]:


#使用Tensor函数新建tensor，方式复杂多变，例子如下

#指定tensor的形状
a = t.Tensor(2,3)
a #数值没有初始化，所以取决于内存的状态


# In[3]:


#用list的数据创建tensor
b = t.Tensor([[1,2,3],[4,5,6]])
b


# In[4]:


b.tolist() #tolist这个函数把tensor变为list，list就是列表


# In[5]:


#tensor.size返回torch.Size的对象，注意后边S是大写，它是tuple的子类，但使用方式与tuple略有区别
#tuple是元组的意思，元组的元素不能修改，但元组元素的元素可以修改；例tuple = (1,2,3)
b_size = b.size()
b_size


# In[6]:


b.numel() #b中元素的个数，等价于b.nelement()


# In[7]:


#创建一个和b形状一样的tensor，跟matlab里边差不多
c = t.Tensor(b_size)


# In[8]:


d = t.Tensor((2,3))
c, d #可以看出tuplet和list差不多


# In[9]:


#you can use tensor.shape to see the shape of tensor.
#tensor.shape equals to tensor.size, that is similar to matlab

#my sougou is broken, so I use my tough English to comment here.
c.shape


# In[10]:


get_ipython().run_line_magic('pinfo2', 'c.shape')


# In[11]:


#if you use t.Tensor(*sizes) to new a tensor, 
#the storage will not be allocated immediately,
#when you use it, system allowcates it.
#other operations will allocate the storage immediately

#examples
t.ones(2,3)


# In[12]:


t.zeros(2,3)


# In[13]:


t.arange(1, 6, 2)


# In[14]:


t.linspace(1,10,3)


# In[15]:


t.randn(2,3)


# In[16]:


t.randperm(5) #random sequence of length 5


# In[17]:


t.eye(2,3)


# In[18]: