初识Tensor

最新推荐文章于 2025-08-24 10:26:03 发布
原创 最新推荐文章于 2025-08-24 10:26:03 发布 · 272 阅读 · 0 ·
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。
部署运行你感兴趣的模型镜像

Tensor

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
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
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

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

LGDDDDDD
关注
零基础菜鸟的Python+TensorFlow之旅（一）——初识Tensor & Flow
寻找编程之光
07-08 3万+
由于TensorFlow中的一些设计理念比较先进，所以很多同学会在一些知识的理解上产生困扰，本人作为一名从教师转行的程序猿，深知各位同学在这条道路上的难言之痛，于是决定开设此教程，为大家提供最简单最直接最粗暴的讲解，帮助各位同学以最轻松最愉快最爽朗的方式学会TensorFlow这个必备大杀器！
pytorch基础知识Tensor算术运算
Python粘合剂
06-26 658
torch.sparse_coo_tensor coo元素表示非零元素的坐标形式# i非0元素坐标，v非0元素值# 稀疏的张量# 将稀疏的张量转化为稠密的张量print(a)print(b)# 打印结果。
censor
蒟蒻CZY
08-16 943
题目描述农民约翰已经购买了订好Good Hooves keeping 杂志为他的奶牛，使他们有足够的材料看。不幸的是，最新一期载有关于如何煮完美的牛排的文章，而FJ 宁可他的奶牛没有看到一个相当不雅的文章（显然，这本杂志是需要更好的编辑监督的）。 FJ 已采取所有文字从该杂志在10^6 个字符来创建长度字符串s。从此，他想删除一个子串T（ 100个字符）来审查不当内容。要做到这一点，农民约翰找到S
PyTorch学习 初识tensor
weixin_44170512的博客
01-19 1354
初识tensor什么是tensortensor的创建由list创建tensor由numpy数组创建tensor由另一个tensortensor的一些属性 什么是tensor tensor是一个多维数组 一个单独的数据称为scalar（标量），shape是零维 一维的数据称为array（数组） 二维的数据称为matrix（矩阵） >>> import torch >>> scalar = torch.tensor(3) >>> scalar.shap
2.1 初识Tensor
【人工智能】王小草的博客
02-14 673
Tensor是PyTorch的数据结构，要对PyTorch有深入学习，那么务必要对tensor有所熟悉。 2.1.1 tensor是pytorch的基础数据结构 假设我们要建立图像分类的模型，整个过程是： （1）将.jpg、.png或其他格式的图片转换成模型能够识别的数据格式input； （2）input进入模型后，在模型的各模块中进行转化，在中间过程形成很多数据表征(intermediate r...
pytorch----初识tensor张量(大致了解即可)
jzx_wzw的博客
07-10 981
要展示代码运行的结果，我们需要运行代码。以下是假设运行上述代码片段可能得到的结果。请注意，这些结果是基于代码逻辑的预期输出，实际运行时可能会因为环境或其他因素有所不同。被沿着第0维（行）分割成两部分，前两行成为第一个张量，最后一行成为第二个张量。被沿着第0维（行）分割成三个部分，每部分包含一行。被沿着第1维（列）分割成三个部分，每部分包含一列。被沿着第0维（行）分割成两部分，每部分包含两行。首先，我们有以下张量。
pytorch—初识tensor
weixin_43845386的博客
07-14 317
pytorch之初识tensor
人工智能-python-深度学习-初识Tensor
x112xxds的博客
08-24 970
本文介绍了人工智能（AI）的基本概念及其实现过程，重点阐述了深度学习框架Torch和张量（Tensor）的核心知识。AI通过模拟人类智能行为，依托数据、算法和计算力解决问题。Torch作为高效的深度学习框架，支持GPU加速和灵活建模。Tensor作为基础数据结构，具有多维、自动求导和设备切换等特点。文章详细讲解了Tensor的创建方式、属性操作、数据转换及设备管理，并强调了其在AI开发生态中的重要性，为深度学习实践奠定基础。
＜pytorch学习＞ 初识张量（Tensor）
liuqipao55的博客
03-15 232
工作需要，现在需要学习pytorch这个框架，从今天开始，不定期更新该系列的学习文章。 pytorch安装网上很多教程，这里不再赘述，这里只列出我们的环境。 模块说明： numpy 1.17.4 torch 1.4.0 torchvision 0.5.0 PyTorch 是一个基于 Python 的科学计算包，主要定位两类人群： NumPy 的替代品，可以利用 GPU 的性能进行计算。 深度学习研究平台拥有足够的灵活性和速度。 PyTorch最核心的便是Tensors（张量），Tenso
新型1D-LBP的高效方法，采用混合深度学习方法检测轴承失效.zip
最新发布
12-18
1.版本：matlab2014a/2019b/2024b 2.附赠案例数据可直接运行。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。
相关向量机和特征选取技术在短期负荷预测中的应用（Matlab代码实现）
12-18
相关向量机和特征选取技术在短期负荷预测中的应用（Matlab代码实现）内容概要：本文介绍了基于相关向量机（RVM）和特征选取技术在短期负荷预测中的应用，并提供了Matlab代码实现。文中重点探讨了如何利用RVM这一稀疏概率模型进行高精度的负荷预测，同时结合特征选取方法优化输入变量，提升预测性能。通过实际数据验证，展示了该方法在减少冗余信息、提高预测准确性和模型泛化能力方面的优势，适用于电力系统调度与规划中的短期负荷预测任务。; 适合人群：具备一定电力系统基础知识和Matlab编程能力的高校研究生、科研人员及从事电力系统预测相关工作的工程技术人员。; 使用场景及目标：①应用于电力系统短期负荷预测，提升预测精度与模型解释性；②为研究RVM在时间序列预测中的应用提供可复现的技术方案；③结合特征选择技术优化模型输入，增强实际工程中的实用性。; 阅读建议：建议读者结合提供的Matlab代码，深入理解RVM原理与特征选取流程，尝试在不同数据集上复现实验结果，并可进一步对比SVM、LSSVM等其他模型的性能差异，以深化对稀疏贝叶斯学习方法的认识。
【顶级EI复现】【最新EI论文】低温环境下考虑电池寿命的微电网优化调度（Matlab代码实现）
12-18
【顶级EI复现】【最新EI论文】低温环境下考虑电池寿命的微电网优化调度（Matlab代码实现）内容概要：本文介绍了名为《低温环境下考虑电池寿命的微电网优化调度》的研究，该研究已被顶级EI期刊收录并提供Matlab代码实现。文章聚焦于在低温环境条件下，如何通过优化调度策略延长微电网中电池的使用寿命，同时保证系统的经济性和稳定性。研究构建了综合考虑电池老化模型、温度影响因子及微电网多源协调运行的优化模型，并采用先进的智能算法进行求解，实现了在极端
盘点.xlsm
12-18
盘点
通话助手 11.1.2 安装包
12-18
历史版本
Global Semiconductors The AI Hardware.pdf
12-18
Global Semiconductors The AI Hardware.pdf
RK3588 ubuntu镜像
12-18
RK3588 ubuntu镜像适配ATK-DLRK3588B 开发板 移植好： 1.adb工具 2.蓝牙 蓝牙rfcomm 3.wifi 4.EM05 4G模块 5.远程桌面
安卓应用源码Android普通对话框源码
12-18
安卓应用源码Android 普通对话框源码
搜索 18.12.10 安装包
12-18
历史版本
【虚拟同步机控制建模】三相虚拟同步发电机双环控制（Simulink仿真实现）
12-18
【虚拟同步机控制建模】三相虚拟同步发电机双环控制（Simulink仿真实现）内容概要：本文介绍了三相虚拟同步发电机双环控制的Simulink仿真实现方法，重点围绕虚拟同步机（VSG）的控制建模展开，详细阐述了双环控制策略的设计与实现过程。通过构建电压-电流双闭环控制系统，模拟同步发电机的惯性和阻尼特性，提升分布式电源在电网中的稳定性和可控性。文中结合Simulink仿真平台，展示了控制系统的动态响应性能与并网运行能力，验证了所建模型的有效性与实用性。; 适合人群：具备电力系统基础知识和Simulink仿真经验的电气工程专业学生、研究人员及从事新能源并网技术开发的工程师。; 使用场景及目标：①掌握虚拟同步发电机的基本工作原理及其在分布式电源并网中的应用；②学习双环控制结构的设计思路与参数整定方法；③通过Simulink搭建VSG仿真模型，用于教学实验、科研验证或工程项目前期仿真验证； 阅读建议：建议读者结合Simulink模型同步操作，深入理解控制环路的构建逻辑与模块参数设置，重点关注电压外环与电流内环的协同机制，并可进一步拓展至惯量自适应、功率解耦等高级控制策略的研究。
Tensor
03-19
### Tensor 的概念及其在编程和机器学习中的作用 #### 什么是 Tensor？ Tensor 是一种多维数组结构，在数学上可以被看作是一个广义化的矩阵。它可以表示零维到任意维度的数据形式，其中标量（Scalar）、向量（Vector）以及矩阵（Matrix）都可以视为 Tensor 的特例[^1]。 - **0-D Tensor (标量)**：单个数值，例如 `7` 或者 `-3.14`。 - **1-D Tensor (向量)**：一列或者一行的数值集合，例如 `[1, 2, 3]`。 - **2-D Tensor (矩阵)**：二维表格数据，例如： ```python [[1, 2], [3, 4]] ``` - **N-D Tensor**：更高维度的数据结构，用于存储复杂的空间关系或特征组合。例如，图像通常可以用三维张量来描述 `(height, width, channels)`，而视频则可能是四维张量 `(frames, height, width, channels)`[^2]。 #### Tensor 在机器学习中的角色 在现代深度学习框架中（如 TensorFlow 和 PyTorch），Tensor 被广泛用来表示输入数据、权重参数以及计算过程中的中间结果。以下是其几个核心功能： - **高效运算支持**：通过 GPU/CPU 加速库实现大规模并行化处理，显著提升训练速度。 - **动态图机制**：允许开发者定义灵活的操作流程，便于调试与优化算法设计。 - **自动微分能力**：内置梯度求导工具简化反向传播步骤，减少手动推导公式的负担[^3]。 下面展示了一个简单的 Python 实现例子，演示如何创建和操作 Tensors 使用 NumPy 库模拟基本行为前奏于更高级别的 DL 平台之上: ```python import numpy as np # 创建一个形状为(2, 3)的随机数tensor np_tensor = np.random.rand(2, 3) print("NumPy Tensor:") print(np_tensor) # 对 tensor 进行加法操作 result = np_tensor + 5 print("\nResult after adding scalar value '5':") print(result) ``` 上述代码片段展示了基础级别的张量初始化及算术变换逻辑；然而实际应用场景下往往涉及更为复杂的非线性映射函数链路构建等工作负载。 #### 局限性和挑战 尽管 tensors 提供了强大的表达能力和高效的计算手段，但在某些特定情况下也可能带来额外的技术难题。比如当面对稀疏数据集时传统密集型 storage format 可能造成资源浪费现象严重等问题亟待解决。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
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。

余额充值