pytorch入门到放弃1：Tensor

目录

 

一、Tensor（张量）

二、Tensor的数据类型

---

一、Tensor（张量）

pytorch里面处理的最基本的操作对象就是Tensor（张量），Tensor表示的是一个多维的矩阵，比如零维就是一个点，一维就是向量，两维就是一般的矩阵，多维就相当于一个多维的数据，这个numpy是对应的，并且pytorch的Tensor可以和numpy的ndarray相互转换，区别是pytorch的Tensor可以在GPU上运行，而numpy的bdarray只能在CPU上运行。

二、Tensor的数据类型

常用的不同类型的Tensor有：

• 32位浮点型torch.FloatTensor
• 64位浮点型torch.DoubleTensor
• 16位整型torch.ShortTensor
• 32位整型torch.IntTensor
• 64位整型torch.LongTensor

需要注意的是torch.Tensor默认的是torch.FloatTensor数据类型。

print('arr: {}'.format(arr))
print('arr size is: {}'.format(arr.size()))
print('arr size is: {}'.format(arr.shape))

# 输出
# arr: tensor([[1., 2.],
#         [4., 5.]])
# arr size is: torch.Size([2, 2])
# arr size is: torch.Size([2, 2])

也可以创建一个全是0的Tensor或者取正态分布作为初始值：

arr1 = torch.zeros((3, 2))
print('zero tensor: {}'.format(arr1))

arr2 = torch.randn((3, 2))
print('normal randon id : {}'.format(arr2))

# zero tensor: tensor([[0., 0.],
#         [0., 0.],
#         [0., 0.]])
# normal randon id : tensor([[-0.5810, -0.0327],
#         [ 2.3094,  1.3323],
#         [ 0.0993,  0.0231]])

也可以像numpy一样通过索引的方式取得其中的元素，并且改变元素的值。还可以在Tensor和numpy.ndarray之间相互转换。

print("arr2.type: {}".format(type(arr2)))
numpy_arr2 = arr2.numpy()
print('numpy_arr2.type: {}'.format(type(numpy_arr2)))

tensor_arr2 = torch.from_numpy(numpy_arr2)
print('tensor_arr2.type: {}'.format(type(tensor_arr2)))

# arr2.type: <class 'torch.Tensor'>
# numpy_arr2.type: <class 'numpy.ndarray'>
# tensor_arr2.type: <class 'torch.Tensor'>

通过简单的arr2.numpy()就可以将Tensor转换为numpy数据类型，同时使用torch.from_numpy()就可以将numpy转化为Tensor类型。

如果需要转换Tensor的数据类型，只需要在Tensor后面加上需要的数据类型即可，如：

tensor_arr2 = tensor_arr2.float()

      如果电脑支持GPU，可以将Tensor放到GPU上：

tensor_arr2 = tensor_arr2.cuda()