7、PyTorch张量：基础、索引、命名与数据类型详解

PyTorch张量：基础、索引、命名与数据类型详解

1. 张量基础

张量是PyTorch中的基础数据结构，本质上是多维数组。它能存储一组可通过索引单独访问的数字，并且支持多索引操作。

1.1 从Python列表到PyTorch张量

在简单的Python程序中，处理数字向量（如二维直线的坐标）时，常使用Python列表来存储向量。例如：

a = [1.0, 2.0, 1.0]
print(a[0])  # 输出: 1.0
a[2] = 3.0
print(a)  # 输出: [1.0, 2.0, 3.0]

不过，使用更高效的张量数据结构，能表示从图像到时间序列甚至句子等多种类型的数据。通过定义张量操作，即使使用Python这样的高级语言，也能高效地切片和操作数据。

1.2 构建首个张量

下面构建一个简单的PyTorch张量：

import torch
a = torch.ones(3)
print(a)  # 输出: tensor([1., 1., 1.])
print(a[1])  # 输出: tensor(1.)
print(float(a[1]))  # 输出: 1.0
a[2] = 2.0
print(a)  # 输出: tensor([1., 1., 2.])

导入 torch 模块后，调用 torch.ones(3) 创建一个一