本文共 2031 字，大约阅读时间需要 6 分钟。

1. tensor 张量

• empty 不初始化

import torchx = torch.empty(5,3) # 不初始化print(x)tensor([[1.0010e-38, 4.2246e-39, 1.0286e-38],        [1.0653e-38, 1.0194e-38, 8.4490e-39],        [1.0469e-38, 9.3674e-39, 9.9184e-39],        [8.7245e-39, 9.2755e-39, 8.9082e-39],        [9.9184e-39, 8.4490e-39, 9.6429e-39]])

• rand 随机初始化 0 - 1 之间

x = torch.rand(5,3) # 随机初始化tensor([[0.5931, 0.2422, 0.2738],        [0.0949, 0.4755, 0.7422],        [0.7418, 0.5980, 0.4837],        [0.4228, 0.4489, 0.2633],        [0.7277, 0.7254, 0.8932]])

• zeros 初始化为0，dtype指定数据类型

x = torch.zeros(5,3,dtype=torch.long)tensor([[0, 0, 0],        [0, 0, 0],        [0, 0, 0],        [0, 0, 0],        [0, 0, 0]])

• 直接赋值

x = torch.tensor([[5.5, 3], [2,4]])tensor([[5.5000, 3.0000],        [2.0000, 4.0000]])

• new_* 方法，继承之前张量的属性，也可以覆盖以前的属性

x = x.new_ones(5,3,dtype=torch.double)tensor([[1., 1., 1.],        [1., 1., 1.],        [1., 1., 1.],        [1., 1., 1.],        [1., 1., 1.]], dtype=torch.float64)x = x.new_zeros(2,4)tensor([[0., 0., 0., 0.],        [0., 0., 0., 0.]], dtype=torch.float64) # 可见属性继承了之前的

• rand_like 形状跟之前的一样

x = torch.randn_like(x,dtype=torch.float)print(x)print(x.size())tensor([[ 0.2575, -0.3525,  1.2242, -0.0641],        [ 0.0307,  0.0433, -0.3609,  2.0844]])torch.Size([2, 4])

2. 运算

x = torch.eye(3)y = torch.zeros(3,3)print(x+y) # +print(torch.add(x,y)) # addres = torch.empty(2,2)print(res.size())  # torch.Size([2, 2])torch.add(x,y,out=res) # out 为输出变量print(res)print(res.size()) # torch.Size([3, 3])# in-place 加法y.add_(x) # y = y+x， y 会变， 注意是 add_ 有下划线print(y)

3. 切片、形状size()、改变形状view()

切片跟numpy一样

print(x[:,:1].size())  # torch.Size([3, 1])x = torch.randn(4,4)y = x.view(16)z = x.view(-1,8) # -1 自动推断print(x.size(), y.size(), z.size())# torch.Size([4, 4]) torch.Size([16]) torch.Size([2, 8])

4. item() 只能读取一个元素

x = torch.randn(1)print(x)print(x.item())# tensor([-0.3280])# -0.327981561422348x = torch.randn(2,3)print(x)print(x[0,1].item()) # 只能获取一个元素# tensor([[-1.2239,  0.3518,  1.1019],#         [-0.1341,  1.0625,  0.2442]])# 0.3518247902393341

转载地址：https://michael.blog.csdn.net/article/details/111655523 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！