pytorch创建tensor函数详情
短信预约 -IT技能 免费直播动态提醒
1、通过复制数据构造张量
1.1 torch.tensor()
torch.tensor([[0.1, 1.2], [2.2, 3.1], [4.9, 5.2]])
Out[111]:
tensor([[0.1000, 1.2000],
[2.2000, 3.1000],
[4.9000, 5.2000]])
torch.tensor([0, 1])
Out[112]: tensor([0, 1])
torch.tensor([[0.11111, 0.222222, 0.3333333]],
dtype=torch.float64, device=torch.device('cpu'))
Out[113]: tensor([[0.1111, 0.2222, 0.3333]], dtype=torch.float64)
torch.tensor(3.14159)
Out[114]: tensor(3.1416)
torch.tensor([])
Out[115]: tensor([])
torch.tensor([[0.11111, 0.222222, 0.3333333]],
dtype=torch.float64, device=torch.device('cpu'), requires_grad=True, pin_memory=False)
Out[117]: tensor([[0.1111, 0.2222, 0.3333]], dtype=torch.float64, requires_grad=True)dtype（torch.dtype，可选）–返回张量的所需数据类型。默认值：如果没有，则根据数据推断数据类型。device（torch.device，可选）–构造张量的装置。如果没有，并且数据是张量，那么就使用数据设备。如果没有且数据不是张量，则结果张量在CPU上构造。require_grad（bool，可选）– 是否需要保留梯度信息。默认值：False。pin_memory（bool，可选）–如果设置了，返回的张量将分配到pind内存中。仅适用于CPU张量。默认值：False。
1.2 将numpy的ndarray转为tensor
>>> a = numpy.array([1, 2, 3])
>>> t = torch.as_tensor(a)
>>> t
tensor([1, 2, 3])
>>> t[0] = -1
>>> a
array([-1, 2, 3])
>>> a = numpy.array([1, 2, 3])
>>> t = torch.as_tensor(a, device=torch.device('cuda'))
>>> t[0] = -1
>>> a
array([1, 2, 3])
t = torch.as_tensor([2, 2, 2], device=torch.device('cuda'))
>>> t
tensor([2, 2, 2], device='cuda:0')
a = numpy.array([1, 2, 3])
t = torch.from_numpy(a)
t
Out[38]: tensor([1, 2, 3])
t[0] = -1
a
Out[40]: array([-1, 2, 3])2、生成全0或者全1的tensor
torch.zeros(2, 3)
Out[41]:
tensor([[0., 0., 0.],
[0., 0., 0.]])
torch.zeros(5)
Out[42]: tensor([0., 0., 0., 0., 0.])
torch.ones(2, 3)
Out[43]:
tensor([[1., 1., 1.],
[1., 1., 1.]])
torch.ones(5)
Out[44]: tensor([1., 1., 1., 1., 1.])参数列表:
out：输出的对象dtype:返回的张量的所需数据类型。默认值：如果没有，则使用全局默认值（请参阅torch.set_Default_tensor_type（））。layoutdevice: 构造张量的装置。如果没有，并且数据是张量，那么就使用数据设备。如果没有且数据不是张量，则结果张量在CPU上构造。requires_grad: 是否需要保留梯度信息。默认值：False。
3、生成序列
3.1、 生成一个指定步长的等差序列
torch.arange(5)
Out[45]: tensor([0, 1, 2, 3, 4])
torch.arange(1, 4)
Out[46]: tensor([1, 2, 3])
torch.arange(1, 2.5, 0.5)
Out[47]: tensor([1.0000, 1.5000, 2.0000])start: 点集的开始值。默认值：0。end: 点集的结束值step: 每对相邻点之间的间隙。默认值：1，可以是小数。
3.2 生成一个指定步数的等差数列
torch.linspace(3, 10, steps=5)
Out[49]: tensor([ 3.0000, 4.7500, 6.5000, 8.2500, 10.0000])
torch.linspace(-10, 10, steps=5)
Out[50]: tensor([-10., -5., 0., 5., 10.])
torch.linspace(start=-10, end=10, steps=1)
Out[51]: tensor([-10.])4、生成指定大小的单位矩阵
torch.eye(3)
Out[58]:
tensor([[1., 0., 0.],
[0., 1., 0.],
[0., 0., 1.]])5、生成一个指定大小张量
torch.empty((2,3), dtype=torch.int64)
Out[59]:
tensor([[0, 0, 0],
[0, 0, 2]])6、 创建一个指定大小的张量。张量的数据是填充的指定值
torch.full((2, 3), 3.141592)
Out[67]:
tensor([[3.1416, 3.1416, 3.1416],
[3.1416, 3.1416, 3.1416]])到此这篇关于pytorch创建tensor函数详情的文章就介绍到这了,更多相关pytorch创建tensor函数内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！
免责声明：
① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的，并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据，供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。
② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
