人工智能学习Pytorch张量数据类型示例详解
目录
- 1.python 和 pytorch的数据类型区别
- 2.张量
- ①一维张量
- ②二维张量
- ③3维张量
- ④4维张量
1.python 和 pytorch的数据类型区别
文章图片
在PyTorch中无法展示字符串，因此表达字符串，需要将其转换成编码的类型，比如one_hot，word2vec等。
2.张量 在python中，会有标量，向量，矩阵等的区分。但在PyTorch中，这些统称为张量tensor，只是维度不同而已。
标量就是0维张量，只有一个数字，没有维度。
向量就是1维张量，是有顺序的数字，但没有“行”或“列”的区分。
矩阵就是2维张量，有形状，行和列。
以此类推，PyTorch中也常用3维张量和4维张量。
具体的张量生成和相关特性获取方式如下：
①一维张量
文章图片
在PyTorch中，没有中括号，只有一个数字，就是1维张量，也就是python中的标量。
可以通过不同的方法查看数据的维度：
对于0维张量，查看形状的时候就是0。
文章图片
②二维张量
通过Pytorch可以直接指定一个具体的张量数据，也可以通过指定张量的形状，来随机生成指定形状的数据。
如果通过numpy生成了数据，可以通过torch.from_numpy来转换成张量。
文章图片
③3维张量
通常，在RNN中会使用3维张量。
文章图片
文章图片
④4维张量
通常，在CNN中会使用3维张量。比如下图生成的四维张量，可以理解为是2张图，3层颜色，长宽均为28
文章图片
以上，通过不同的方法可以生成想要的维度的张量，并查看相关属性。
【人工智能学习Pytorch张量数据类型示例详解】以上就是人工智能学习Pytorch张量数据类型示例详解的详细内容，更多关于Pytorch张量数据类型的资料请关注脚本之家其它相关文章！
推荐阅读
- 由浅入深理解AOP
- 继续努力，自主学习家庭Day135(20181015）
- python学习之|python学习之 实现QQ自动发送消息
- 一起来学习C语言的字符串转换函数
- 定制一套英文学习方案
- 漫画初学者如何学习漫画背景的透视画法（这篇教程请收藏好了！）
- 《深度倾听》第5天──「RIA学习力」便签输出第16期
- 如何更好的去学习
- 【韩语学习】（韩语随堂笔记整理）
- 焦点学习田源分享第267天《来访》