Python|张量创建操作[2]---Rare0716

张量创建操作

张量的随机创建包含的方法有：torch.rand()，torch.randlike()，torch.randn()，torch.randnloike()，torch.randint()，torch.randint_like()和torch.randperm()。

torch.tensor() 用数据创建一个张量。参数：data：输入数据，可以是list，tuple，numpy，scalar或者其他类型。dtype：可选参数，设置data的数据类型，默认使用data原来的type。device：可选参数，返回张量的设备，默认使用当前设备。有cpu张量和cuda张量两种形式。requires_grad：可选参数，bool。默认False，如果自动梯度会在返回的张量上记录操作。pin_memory：可选参数，bool。默认False，只在cpu张量上有效。设置之后返回的张量会被分配到指定的内存。例子 >>> torch.tensor([[0.1, 1.2], [2.2, 3.1], [4.9, 5.2]]) tensor([[ 0.1000, 1.2000], [ 2.2000, 3.1000], [ 4.9000, 5.2000]]) >>> torch.tensor([0, 1]) # 类型参考原来的数据 tensor([ 0, 1]) >>> torch.tensor([[0.11111, 0.222222, 0.3333333]], dtype=torch.float64, device=torch.device('cuda:0')) # 创建一个cuda上的双精度张量 tensor([[ 0.1111, 0.2222, 0.3333]], dtype=torch.float64, device='cuda:0') >>> torch.tensor(3.14159) # 生成一个标量 (0维的张量) tensor(3.1416) >>> torch.tensor([]) # 生成一个空张量 tensor([])torch.as_tensor(data,dtype=None,device=None)->Tensor 把数据转成TensorFlow张量的形式，如果数据本身就是指定的dtype和device，则不会改变。参数data（数组形式）：生成张量的初始数据，可以是list，tuple，ndarray，scalar等等。dtype（torch的dtype，可选参数）：指定返回张量的数据类型，默认为None，根据原数据推出类型。device（torch的device，可选参数）：默认None，和dtype参数差不多，有CPU Tensor和CUDA Tensor两种形式。例子 >>> 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 tensor([ 1, 2, 3]) >>> t[0] = -1 >>> a array([1, 2, 3])torch.asstrided(input,size,stride,storageoffset=0)->Tensor 生成一个指定形状的张量。参数input（Tensor）：输入张量size（tuples或ints）：输出张量的形状stride（tuple或ints）：输出张量的步长storage_offset（int，可选参数）：输出张量在存储中的偏移例子 >>> x = torch.randn(3, 3) >>> x tensor([[ 0.9039, 0.6291, 1.0795], [ 0.1586, 2.1939, -0.4900], [-0.1909, -0.7503, 1.9355]]) >>> t = torch.as_strided(x, (2, 2), (1, 2)) >>> t tensor([[0.9039, 1.0795], [0.6291, 0.1586]]) >>> t = torch.as_strided(x, (2, 2), (1, 2), 1) tensor([[0.6291, 0.1586], [1.0795, 2.1939]])torch.from_numpy(ndarray)->Tensor 把ndarray转成张量，返回的张量和ndarray共用相同内存，所以修改ndarray会改变tensor，反之亦然。而且tensor是没法调整大小的。 支持的ndarray的类型有numpy.float64，numpy.float32,numpy.float16，numpy.int64，numpy.int32，numpy.int16，nummpy.int8，numpy.uint8，numpy.bool例子 >>> a = numpy.array([1, 2, 3]) >>> t = torch.from_numpy(a) >>> t tensor([ 1, 2, 3]) >>> t[0] = -1 >>> a array([-1, 2, 3])torch.zeros(*size,out=None,dtype=None,layout=torch.strided,device=None,requrired_grad=False)->Tensor 返回全是0的张量 参数size（int）：可以是list，tupleout（张量，可选参数）：输出的张量dtype（torch.dtype，可选参数）：默认None，使用全局默认torch.setdefaulttensor_type()的值。layout（torch.layout，可选参数）：默认是torch.strided，指定返回张量的layoutdevice（可选参数）：默认None返回当前的张量类型requires_grad（bool，可选参数）：默认False。例子 >>> torch.zeros(2, 3) tensor([[ 0., 0., 0.], [ 0., 0., 0.]]) >>> torch.zeros(5) tensor([ 0., 0., 0., 0., 0.]) ---来自腾讯云社区的---Rare0716