3-exercises-优快云博客

本文链接：https://blog.youkuaiyun.com/weixin_45825865/article/details/131621026

文章介绍了如何在PyTorch中创建张量并转换其形状。view函数用于改变张量的视图而不复制数据，共享相同的存储。修改通过view创建的张量会影响到原始张量。同时，详细解释了张量的size（形状）、offset（存储偏移）和stride（步长）属性，以及切片操作对内存地址的影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在这里插入图片描述

解：
（1）Create a tensor a from list(range(9)). Predict and then check the size, offset, and stride.

创建列表a

在这里插入图片描述
将其转化为张量

在这里插入图片描述

a.size：The size (or shape, in NumPy parlance) is a tuple indicating how many elements across each dimension the tensor represents.

在这里插入图片描述

a.offset：The storage offset is the index in the storage corresponding to the first element in the tensor.

在这里插入图片描述

a.stride：The stride is the number of elements in the storage that need to be skipped over to obtain the next element along each dimension.

在这里插入图片描述

回顾：

在这里插入图片描述

（2）Create a new tensor using b = a.view(3, 3). What does view do? Check that a and b share the same storage.

A PyTorch Tensor instance is a view of such a Storage instance that is capable of indexing into that storage using an offset and per-dimension strides.

在这里插入图片描述

a.storage()与b.storage()均为

在这里插入图片描述

id(a.storage())==id(b.storage())

在这里插入图片描述

因此对b的修改也会影响a
例如：
在这里插入图片描述
（下文中a和b的值不修改，仍为0~8）

回顾：

在这里插入图片描述

（3）Create a tensor c = b[1:,1:]. Predict and then check the size, offset, and stride.

c取第1行及以后得行，和第1列及以后得列

在这里插入图片描述

c.size

在这里插入图片描述

c.storage()

在这里插入图片描述

c.offset
c的第一个元素4存储在内存地址4的位置

在这里插入图片描述

c.stride
因此从4到7需要3
从4到5需要1

在这里插入图片描述

注：
切片可以看成是指向内存地址的指针，对c的修改也会影响b

在这里插入图片描述
2.

解：
在这里插入图片描述

若出现报错可尝试将a整型改为浮点型，再进行数学运算

在这里插入图片描述

cos官网
 sqrt官网