目录
1-02张量的简介与创建
张量是一个 ,它是标量,向量,矩阵的高维拓展
pytorch中的Tensor
在pytorch中的属性主要有8个
data:张量的数据类型,如torch.FloatTensor,torch.cuda.FloatTensor
shape:张量的形状
devcie:张量所在设备,如GPU/CPU
张量的创建
1:直接创建
Torch.tensor(data,dtype=None,device=None,requires_grad=False,pin_memory=False)
各参数解释
从numpy创建tensor
torch.form_numpy(ndarray).
从torch.form_numpy(ndarray)创建的tensor与原ndarray共享内存,当修改其中的一个数据另一也会被改动。
2:依据数值创建
torch.zero(*size,out=None,dtype=None,layout=torch.stride,required_grad=False)
torch.zeros_like(input,dtype=None,layout=None,required_grad=False):功能是根据input形状创建全0张量
创建全1张量,只需要将上述的zeros替换成ones即可。
创建自定义数值的张量分别为:torch.full()和torch.full_like().比如torch.full((3,3),10) 为创建一个3*3的值为10的张量。
创建等差的一维张量:torch.arange()--比如torch.arange(2,10,2).则创建的一维张量为[2,4,6,8]
创建均分的一维张量:torch.linspace(2,10,5)创建的一维张量为([2,4,6,8,10])使用这个函数的步长为[strat-end]/steps-1
3:依据概率分布创建张量
生成正态分布:torch.normal(mean,std,out=None).mean为均值,std为标准1
生成标准正态分布:torch.randn(),torch.randn_li
版权声明:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符,请将相关资料发送至xkadmin@xkablog.com进行投诉反馈,一经查实,立即处理!
转载请注明出处,原文链接:https://www.xkablog.com/rgzn-ptkj/5028.html