Pytorch（一）入门：Tensor基础

最新推荐文章于 2025-06-22 16:13:31 发布
最新推荐文章于 2025-06-22 16:13:31 发布
阅读量1.7w 收藏 126
点赞数 38
CC 4.0 BY-SA版权
分类专栏： pytorch 文章标签： pytorch入门 tensor基础
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/zw__chen/article/details/82801364
本文详细介绍PyTorch中Tensor的基础操作与特性，包括形状获取、变形、数学运算及与NumPy的转换。涵盖.view()、unsqueeze()、squeeze()、stack()等函数的使用，并解释了add与add_的区别。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

torch.Tensor 基础

Tensor就是pytorch中存储数据的主要格式，跟numpy类似 这里，我们先介绍一些最基本的操作和常用的功能

在这里插入图片描述

在numpy中，我们是通过shape来获取数组的形状，而在我们的tensor当中，我们使用size来得到形状。

在这里插入图片描述

有时候，我们需要对数组形状进行改变，我们可以采用 .view() 的方式

在这里插入图片描述

可以注意到test5通过test4变形的时候，是从test4的第一行从左至右，然后第二行从左至右…这样形成3x2的矩阵的。

torch.Tensor 支持大量的数学操作符 + , - , * , / 都是可以用的。
当然也可以用Tensor内置的 add() 等, 这里需要提一下的就是 add 和 add_ 的区别
使用add函数会生成一个新的Tensor变量， add_ 函数会直接再当前Tensor变量上进行操作
所以，对于函数名末尾带有"_" 的函数都是会对Tensor变量本身进行操作的
在这里插入图片描述

tensor对矩阵同样支持

在这里插入图片描述

跟numpy一样，再Tensor中，也存在Broadcasting
当二元操作符左右两边Tensor形状不一样的时候，系统会尝试将其复制到一个共同的形状。例如a的第0维是3, b的第0维是1，那么 a + b这个操作会将b沿着第0维复制3遍。

在这里插入图片描述

Tensor和Numpy的相互转换
在这里插入图片描述

一些其他的常用的操作

torch.unsqueeze() 可以把一个向量变成矩阵
在这里插入图片描述

squeeze() 可以把一个矩阵变成向量
在这里插入图片描述

stack() 可以让我们把很多个矩阵"堆"在一起形成一个新的高维矩阵。
比如，我们有 10 个 (5, 12)的 Tensor， 我们希望把他们堆在一起形成 (10, 5, 12)的Tensor，我们就可以使用 stack

在这里插入图片描述

以上代码参考：https://github.com/LianHaiMiao/pytorch-lesson-zh/

pytorch中的tensor
joker_xiansen的博客
09-17 1258
1、什么是tensor？ tensor中文意为张量，提到张量最先能想到物理中的张量。有基础物理知识的人都知道，没有方向只有大小的量称为标量，例如普通数字1， 2， 3等，可以比较大小；既有方向又有大小的量称为矢量，例如物理概念中的作用力，不能够简单的比较大小；在物理中学习单元体应力应变状态的时候提到了张量，张量是一组能够表示某一个微元体应力应变状态的分量的集合。张量（tensor）是pytorch中最基础的一种数结构，熟悉numpy数组的话会发现tensor和numpy数组的操作很相似，但不同之处在于te
Pytorch入门——Tensor的基本操作
m0_72303604的博客
01-30 1195
本文基于具体的Python代码，分别讨论Pytorch中张量Tensor的基本概念、创建方式、属性和主要操作。
PyTorch中的Tensor
深之JohnChen的专栏
03-26 823
PyTorch中的Tensor‌ 是核心数据结构，类似于 NumPy 的多维数组，但具备 GPU 加速和自动求导等深度学习特性。
torch.tensor
最新发布
m0_69648014的博客
06-22 213
是 PyTorch 中用于创建张量的核心函数。张量是多维数组的抽象，类似于 NumPy 的。，但支持 GPU 加速和自动微分功能。参数指定张量数据类型（如。
Pytorch:Tensor
bin
04-01 412
参考资料：https://pytorch.org/tutorials/beginner/pytorch_with_examples.html Numpy是一个强有力的框架，但是不能使用GPU进行数值计算，故numpy对于现有的深度学习很多时候使用起来是不足够的。 Pytorch的一个基础概念：张量 在概念上pytorch的张量等同于numpy array,张量可以看作n维的数组，pytorch提供...
Pytorch 创建Tensor
洪流之源
06-24 7478
1. 从Numpy创建Tensor import torch import numpy as np a = np.array([2, 3.3]) a = torch.from_numpy(a) # torch.DoubleTensor 2. 从List创建Tensor a = torch.FloatTensor([2, 3.3]) b = torch.tensor([2, 3.3...
Pytorch中的Tensor（概要）
HeLoZhaoFei的博客
02-24 3255
一、Tensor的数据类型 说明： Tensor在 PyTorch中负责存储基本数据，PyTorch针对 Tensor也提供了丰富的函数和方法，Pytorch的Tensor与NumPy的数组具有极高的相似性； Tensor是一种高级的API； PyTorch中定义的Tensor数据变量可以在GPUs上进行运算，而且只需对变量做一些简单的类型转换就能够实现； 类型： 1、浮点型​ torch.FloatTensor​：用于生成浮点型Tensor，传递给torch.FloatTensor的参数可以是
PyTorch入门指南：从零开始掌握深度学习框架.pdf
03-11
内容概要：本文作为PyTorch的入门指南，首先介绍了PyTorch相较于TensorFlow的优势——动态计算图、自动微分和丰富API。接着讲解了环境搭建、PyTorch核心组件如张量（Tensor）、autograd模块以及神经网络的定义方式...
PyTorch教程入门：从基础到实战
- 张量(Tensor)：张量是PyTorch中的基本数据结构，可以看作一个多维数组，支持在GPU上进行加速计算。 - 变量(Variable)：变量是对张量的封装，它记录了张量的计算历史，并可以实现自动梯度计算。 - 自动微分...
深度学习框架PyTorch：入门与实践_高清1
08-04
《深度学习框架PyTorch：入门与实践》是一本针对PyTorch这一深度学习框架的教程，旨在帮助读者快速掌握PyTorch的基础知识并实践应用。PyTorch因其简洁的设计、直观的接口、高效的执行速度和高度的灵活性，自2017年...
【深度学习入门】PyTorch张量入门：详解与示例
m0_51098495的博客
04-28 995
PyTorch张量是进行深度学习和其他数值计算的基础。理解张量的创建和操作对于使用PyTorch至关重要。希望本篇博客能帮助新手快速掌握PyTorch张量的使用。
PyTorch的Tensor（张量）
学习记录
12-31 1571
张量是一个，它是标量、向量、矩阵的高维拓展。
PyTorch中tensor介绍
网络资源是无限的
10-30 3406
PyTorch中的张量(Tensor)如同数组和矩阵一样，是一种特殊的数据结构。在PyTorch中，神经网络的输入、输出以及网络的参数等数据，都是使用张量来进行描述。 torch包中定义了10种具有CPU和GPU变体的tensor类型。 torch.Tensor或torch.tensor是一种包含单一数据类型元素的多维矩阵。torch.Tensor或torch.tensor注意事项： (1). torch.Tensor是默认tensor类型torch.Flo...
Pytorch学习教程：Tensor
我的技术人生
04-09 511
Tensor对于pytorch就如同ndarray，而且和ndarray很像，但有一个重要的区别就是Tensor支持GPU，ndarray不支持。 注意为了说明方便， 1.Tensor分类： ByteTensor,唯一的一个无符号类型Tensor，8位无符号整型（下面皆有符号） CharTensor，8位有符号整型 ShortTensor,16位整型 IntTensor，32位整型...
【PyTorch】Tensor（张量）介绍
Glass_Gun的博客
09-20 2093
Tensor 中文为张量。张量的意思是一个，它是标量、向量、矩阵的高维扩展。标量可以称为 0 维张量，向量可以称为 1 维张量，矩阵可以称为 2 维张量，RGB 图像可以表示 3 维张量。你可以把张量看作多维数组。
PyTorch整理(一)：tensor
想要上南大的同学的博客
11-16 1082
1 张量 张量是一种特殊的数据结构，与数组和矩阵非常相似。在 PyTorch 中，我们使用张量对模型的输入和输出以及模型的参数进行编码。 张量类似于NumPy 的ndarray，不同之处在于张量可以在 GPU 或其他硬件加速器上运行。事实上，张量和 NumPy 数组通常可以共享相同的底层内存，从而无需复制数据（参见Bridge with NumPy）。张量也针对自动微分进行了优化（我们将在后面的Autograd 部分看到更多相关信息）。如果您熟悉 ndarrays，那么您将熟悉 Tensor API。如果没
Pytorch基础-01-Pytorch中的Tensor
Galen_xia的博客
09-23 561
Tensor在PyTorch中负责存储基本数据，PyTorch 针对Tensor也提供了丰富的方法，PyTorch中的Tensor与NumPy数组具有极高的相似性。 1.1 Tensor的数据类型 (1）torch.FloatTensor：用于生成数据类型为浮点型的Tensor，传 递给torch.FloatTensor的参数可以是一个列表，也可以是一个维度值。 (2) (3) (4) (5) (6) ...
PyTorch 基础：Tensor（张量）
谢TS的博客
07-13 4319
PyTorch 是由 Facebook 研发的开源的深度学习框架，并且支持 CPU 和 GPU 加速计算。torch.Tensor 是包含单一数据类型元素的多维数组，它是 PyTorch 中数据存储和运算的基本单元，类似于 NumPy 的 numpy.ndarray，两者的函数接口和运算方式几乎一样。实际上 PyTorch 内部也是把 ndarray 包装成 Tensor。Tensor 中文称为 张量（可以看做是一个多维数组），是 PyTorch 中最基本的数据类型。
pyTorch中tensor运算
weixin_43328816的博客
04-12 4883
文章目录PyTorch的简介PyTorch中主要的包PyTorch的安装使用GPU的原因使数据在GPU上运行什么使Tensor（张量）一些术语介绍Tensor的属性介绍（Rank，axis，shape）RankAxis（轴）shape（形状）不同环境下对Tensor的解释卷积神经网络中对Tensor的解释（CNN）PyTorch下的基本张量输出通道和特征映射PyTorch中对Tensor的解释 PyTorch的简介 PyTorch中主要的包 torch：是顶级PyTorch软件包和tensor库。 torc
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