Python|张量创建操作[3]---Rare0716

创建操作续torch.zeroslike(input,dtype=None,layout=None,requiresgrad=False,memoryformat=torch.preserveformat)->Tensor

返回填满标量0的张量。参数同torch.zeros()

参数input（Tensor）：决定输出张量的sizedtype（可选参数）：默认None，值同输入数据的类型layout（可选参数）：默认None，值同输入数据的layoutdevice（可选参数）：略requires_grad（bool，可选参数）：略memoryformat（torch.memoryformat，可选参数）：指定返回张量的内存格式，默认是torch.preserve_format例子 >>> input = torch.empty(2, 3) >>> torch.zeros_like(input) tensor([[ 0., 0., 0.], [ 0., 0., 0.]])torch.ones(*size, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor

返回全是1的张量。

参数sizeoutdtypelayoutdevicerequires_grad例子 >>> torch.ones(2, 3) tensor([[ 1., 1., 1.], [ 1., 1., 1.]]) >>> torch.ones(5) tensor([ 1., 1., 1., 1., 1.])torch.oneslike(input, dtype=None, layout=None, device=None, requiresgrad=False, memoryformat=torch.preserveformat) → Tensor

返回一个值全是标量1的张量。

参数inputdtypelayoutdevicerequires_gradmemory_format例子 >>> input = torch.empty(2, 3) >>> torch.ones_like(input) tensor([[ 1., 1., 1.], [ 1., 1., 1.]])

说一下zeros与zeroslike和类似函数的区别。zeros是指定输出张量的形状size，然后返回张量，zeroslike则是根据一个张量，返回这个张量形状的张量。ones和ones_like类似

torch.arange(start=0, end, step=1, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor

返回一个1维的张量，张量的大小是(end-start)÷step的值。如果step的值是一个浮点数，为了避免出现错误，可以在end上加上一个很小的值ε。

参数start（数字）：默认0end（数字）：必须指定step（步长）：默认1dtype：略layoutdevicerequires_grad例子 >>> torch.arange(5) tensor([ 0, 1, 2, 3, 4]) >>> torch.arange(1, 4) tensor([ 1, 2, 3]) >>> torch.arange(1, 2.5, 0.5) tensor([ 1.0000, 1.5000, 2.0000])torch.range(start=0, end, step=1, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor

被torch.arange()代替了，不建议使用

参数out：输出张量，其他参数同torch.arange()，略。例子 >>> torch.range(1, 4) tensor([ 1., 2., 3., 4.]) >>> torch.range(1, 4, 0.5) tensor([ 1.0000, 1.5000, 2.0000, 2.5000, 3.0000, 3.5000, 4.0000])torch.linspace(start, end, steps=100, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor

返回一个以start和end均分的等距点集张量，1维，steps代表分割的数。参数：

start：点集的开始end：点集的结束step：start和end间数个数，默认100out：输出张量，其他参数略例子 >>> torch.linspace(3, 10, steps=5) tensor([ 3.0000, 4.7500, 6.5000, 8.2500, 10.0000]) >>> torch.linspace(-10, 10, steps=5) tensor([-10., -5., 0., 5., 10.]) >>> torch.linspace(start=-10, end=10, steps=5) tensor([-10., -5., 0., 5., 10.]) >>> torch.linspace(start=-10, end=10, steps=1) tensor([-10.]) ---来自腾讯云社区的---Rare0716