pytorch之Tensor怎么用

这篇文章主要介绍pytorch之Tensor怎么用，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！

1、Tensors

Tensors are similar to NumPy's ndaeeays,不同的是可以在GPU上使用和加速计算。
导入包

from __future__ import print_functionimport torch

建立5*3的矩阵，未初始化

x = torch.empty(5,3)print(x)

out

tensor([[ 1.4395e-36,  4.5848e-41,  1.4395e-36],        [ 4.5848e-41,  1.4395e-36,  4.5848e-41],        [ 1.4395e-36,  4.5848e-41,  2.8026e-45],        [-1.9501e+00,  8.5165e+23,  0.0000e+00],        [ 2.5223e-43,  0.0000e+00,  0.0000e+00]])

建立随机初始化矩阵

x = torch.rand(5,3)print(x)

out

tensor([[ 0.8074,  0.9175,  0.8109],        [ 0.3313,  0.5902,  0.9179],        [ 0.6562,  0.3283,  0.9798],        [ 0.8218,  0.0817,  0.4454],        [ 0.5934,  0.0040,  0.3411]])

建立零初始化矩阵，数据类型是Long

...x = torch.zeros(5,3,dtype = torch.long) print(x)...

out

tensor([[ 0,  0,  0],        [ 0,  0,  0],        [ 0,  0,  0],        [ 0,  0,  0],        [ 0,  0,  0]])

建立一个tensor数据来源于data

x = torch.tensor([5.5,3])print(x)

out

tensor([ 5.5000,  3.0000])

在原有tnesor的基础上形成新的tensor，会继承原有tensor的shapee和dtype等属性，当然我么也可以修改这些属性

x = x.new_ones(5,3,dtype = torch.double)print(x)x = torch.randn_like(x,dype = torch.float)print(x)

out

tensor([[ 1.,  1.,  1.],        [ 1.,  1.,  1.],        [ 1.,  1.,  1.],        [ 1.,  1.,  1.],        [ 1.,  1.,  1.]], dtype=torch.float64)tensor([[-0.0730, -0.0716, -0.8259],        [-1.7004,  0.8790, -0.0659],        [-0.8969,  0.8736, -0.6035],        [-0.1539, -2.9178, -0.7456],        [-0.0245,  0.4075,  1.4904]])

获取tensor的size

print(x.size())

out

torch.Size([5, 3])

torch.size是一个元组，支持所有元组(tuple)的操作

2、对Tensor的操作

实现加法的四种方式

方法一L

print(x+y)

方法二

print(torch.add(x,y))

方法三：输出给额外的tensor

result = torch.empty(5,3)torch.add(x,y ,out= result)print (result)

方法四：原地替换-结果存放在y中

print(y)

所有原地替换

所有原地替换tensor的操作都有后缀，比如x.copy(y)，会改变x

使用标准的numpy操作

print(x[：1]

out

tensor([-0.0716,  0.8790,  0.8736, -2.9178,  0.4075])

使用torch.view 改变tensor的形状

x = torch.randn(4,4)y = x.view(16)z = x.view(-1,8)   # the size -1 is inferred from other dimensionsprint (x.size(),y.xize(),z.size())

out

torch.Size([4, 4]) torch.Size([16]) torch.Size([2, 8])

tensor转化为numpy的数字，使用item

x = torch.rnadn(1)print(x)print(x.item())

Torch Tensor 和numpy的相互转换

a = torch.ones(5)print (a)

out

tensor([ 1.,  1.,  1.,  1.,  1.])

并且改变tensor的值会同时改变numpy的值

a.add_(1)print(a)print(b)

out

tensor([ 2.,  2.,  2.,  2.,  2.])[ 2.  2.  2.  2.  2.]

将numpy array转化为pytorch Tensor

import numpy as npa = np.ones(5)b = torch.from_numpy(a)np.add(a,1,out = a )print(a)print（b）

out

[ 2.  2.  2.  2.  2.]tensor([ 2.,  2.,  2.,  2.,  2.], dtype=torch.float64)

所有在cpu上的tensor都支持numpy转化，除了char形的tensor

CUDA Tensors

Tensors 可以被移动到其他设备使用.to的方法

...if torch.cuda.is_avaulable(): device = torch.device("cuda") y = torch.ones_like(x,device = devcie) x= x.to(device) z = x+y print(z) print(z.to("cpu",torch.double)) ...

out

tensor([-1.0620], device='cuda:0')tensor([-1.0620], dtype=torch.float64)

以上是"pytorch之Tensor怎么用"这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注行业资讯频道！