Pytorch与深度学习自查手册1-张量、自动求导和GPU

Pytorch与深度学习自查手册1-张量、自动求导和GPU

张量

构造Tensor

dtype类型：dtype=torch.long,torch.float,torch.double

常见的构造Tensor的函数：

函数	功能	示例
Tensor(sizes)	基础构造函数	torch.Tensor(4,3)
tensor(data)	类似于np.array	x = torch.tensor([5.5, 3])
ones(sizes)	全1
zeros(sizes)	全0	x = torch.zeros(4, 3, dtype=torch.long)
eye(sizes)	对角为1，其余为0
arange(s,e,step)	从s到e，步长为step
linspace(s,e,steps)	从s到e，均匀分成step份
rand/randn(sizes)		x = torch.rand(4, 3)
normal(mean,std)/uniform(from,to)	正态分布/均匀分布
empty(sizes)		result = torch.empty(5, 3) torch.add(x, y, out=result)

基本属性

x.size()
x.shape

常用方法

改变一个 tensor 的大小或者形状，可以使用 torch.view：view() 返回的新tensor与源tensor共享内存(其实是同一个tensor)，也即更改其中的一个，另 外一个也会跟着改变。

x = torch.randn(4, 4)
y = x.view(16)
z = x.view(-1, 8)

转置transpose/维度交换permute

x=torch.randn(2,4,3)
s=x.transpose(1,2) #shape=[2,3,4]
z=x.permute(0,2,1) #shape=[2,3,4]

扩展expand

#返回当前张量在某个维度为1扩展为更大的张量
x = torch.Tensor([[1], [2], [3]])#shape=[3,1]
t=x.expand(3, 4)
print(t)
'''
tensor([[1., 1., 1., 1.],
[2., 2., 2., 2.],
[3., 3., 3., 3.]])
'''

重复repeat

#沿着特定的维度重复这个张量
x=torch.Tensor([[1,2,3]])
t=x.repeat(3, 2)
print(t)
'''
tensor([[1., 2., 3., 1., 2., 3.],
[1., 2., 3., 1., 2., 3.],
[1., 2., 3., 1., 2., 3.]])
'''

拼接cat

x = torch.randn(2,3,6)
y = torch.randn(2,4,6)
c=torch.cat((x,y),1)
#c=(2*7*6)

堆叠stack

"""
而stack则会增加新的维度。
如对两个1*2维的tensor在第0个维度上stack，则会变为2*1*2的tensor&#