初识Tensor

LGDDDDDD

于 2020-01-20 08:30:42 发布

阅读量223

点赞数

CC 4.0 BY-SA版权

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/weixin_43289424/article/details/104035119

本文深入探讨了PyTorch中张量的概念及其在深度学习中的应用，包括数据类型、形状、设备选择、创建方法及梯度计算。覆盖从基本张量操作到高级概率分布生成的全面指南。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Tensor概念

在这里插入图片描述
标量没有方向
向量延一个方向排列
二位张量：矩阵（灰度图像）
三维张量（RGB图像）高、宽、色彩

torch.tensor

在这里插入图片描述

数据类型dtype

在这里插入图片描述
最常用的是float32类型。卷积层的权值和图像预处理后都默认为float32
其次是int64类型。图像的标签，计算交叉熵的损失函数

张量的形状shape

如（64,3，224,224）

张量所在的设备device

CPU/GPU：加速的关键

创建Tensor的方法grad_fn

创建Tensor的方法，在求导时用到，需要记录下来

是否需要梯度requires_grad

指示是否需要梯度，并不是所有张量都需要计算梯度，不需要的设为FALSE，节省内存，加快速度

是否是叶子节点

指示张量是否是叶子节点

张量的创建

直接创建

在这里插入图片描述

arr = np.ones((3,3))
print('ndarray的数据类型:',arr.dtype)
t = torch.tensor(arr)
print(t)

通过numpy创建

全0张量

在这里插入图片描述

全1张量

在这里插入图片描述

全为某值的张量

在这里插入图片描述

等差张量

在这里插入图片描述

均分张量

在这里插入图片描述

创建对角张量

在这里插入图片描述

依概率分布创建张量

正态分布

在这里插入图片描述

标准正态分布

在这里插入图片描述

均匀分布

在这里插入图片描述

随机排列

在这里插入图片描述
常用于生成随机索引

伯努利分布

在这里插入图片描述

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。