人工智能学习Pytorch教程Tensor基本操作示例详解

目录

  • 一、tensor的创建
    • 1.使用tensor
    • 2.使用Tensor
    • 3.随机初始化
    • 4.其他数据生成
      • ①torch.full
      • ②torch.arange
      • ③linspace和logspace
      • ④ones, zeros, eye
      • ⑤torch.randperm
  • 二、tensor的索引与切片
    • 1.索引与切片使用方法
      • ①index_select
      • ②...
      • ③mask
  • 三、tensor维度的变换
    • 1.维度变换
      • ①torch.view
      • ②squeeze/unsqueeze
      • ③expand,repeat
      • ④t,transpose,permute

一、tensor的创建
1.使用tensor
小写字母的tensor接收具体的数据,可以直接按照numpy的方式输入数组。
人工智能学习Pytorch教程Tensor基本操作示例详解
文章图片


2.使用Tensor
大写字母的可以接收形状,此时会生成随机数,但没有任何规则。可以生成不同的类型。
人工智能学习Pytorch教程Tensor基本操作示例详解
文章图片

自动生成的数据有默认类型,FloatTensor,可以使用torch.set_default_tensor_type去修改

3.随机初始化
rand:0-1之间均匀采样
randn:均值0,方差1的正态分布随机采样
以上两种可以直接输入形状,即可产生对应形状的随机数。
randint:参数是---起始值、终止值、形状
同时每一个都会有一个_like方法,输入一个tensor,会生成对应形状的新tensor
人工智能学习Pytorch教程Tensor基本操作示例详解
文章图片


4.其他数据生成

①torch.full 参数是---形状,数据。如果形状的位置给一个空的list,生成的就是标量。
人工智能学习Pytorch教程Tensor基本操作示例详解
文章图片


②torch.arange 参数是---起始,终止,步长。不包含终止值。
人工智能学习Pytorch教程Tensor基本操作示例详解
文章图片


③linspace和logspace 参数是---起始,终止,数量。包含终止值
人工智能学习Pytorch教程Tensor基本操作示例详解
文章图片


④ones, zeros, eye 输入形状即可。ones和zeros也有_like方法
人工智能学习Pytorch教程Tensor基本操作示例详解
文章图片


⑤torch.randperm 随机打散。输入一个数字,会自动生成这个数字长度的,从0开始的随机排列数字,可以作为索引。当需要对不同的数据,使用相同的索引,并且打乱顺序时,非常好用。
人工智能学习Pytorch教程Tensor基本操作示例详解
文章图片


二、tensor的索引与切片
1.索引与切片使用方法
和python中的索引切片使用方法一致
人工智能学习Pytorch教程Tensor基本操作示例详解
文章图片

人工智能学习Pytorch教程Tensor基本操作示例详解
文章图片


①index_select 输入的参数---维度的位置、要选的内容对应的维度的索引。不太好理解,可以看下面的例子。
人工智能学习Pytorch教程Tensor基本操作示例详解
文章图片


②... 三个点相当于集成了的连续的冒号。
人工智能学习Pytorch教程Tensor基本操作示例详解
文章图片


③mask 需要先根据数据生成一个mask,比如挑选出大于等于0.3的数,此时会得到一个和数据相同形状的,满足条件位置是1,不满足条件的位置是0的一个mask,通过masked_select可以选出数据。
人工智能学习Pytorch教程Tensor基本操作示例详解
文章图片


三、tensor维度的变换
1.维度变换

①torch.view 【人工智能学习Pytorch教程Tensor基本操作示例详解】和numpy中的reshape方法一样。转换的时候需要考虑到实际的物理意义。
人工智能学习Pytorch教程Tensor基本操作示例详解
文章图片


②squeeze/unsqueeze squeeze输入的参数---需要减少的维度所在位置
unsqueeze输入的参数---需要增加的维度所在的位置
人工智能学习Pytorch教程Tensor基本操作示例详解
文章图片


③expand,repeat expand输入的参数---希望扩展后所形成的维度
repeat输入的参数---各自维度需要重复的次数
通常使用expand,因为不会主动复制数据。
人工智能学习Pytorch教程Tensor基本操作示例详解
文章图片


④t,transpose,permute t:和numpy中的转置一样,只针对二维矩阵操作
transpose:输入需要交换的维度的位置即可。但想要还原的时候,需记得转换后的各个位置的物理意义,根据实际意义进行再次转换。见下面的例子。
permute:输入希望转换成的维度的位置索引即可。相当于多次使用transpose
人工智能学习Pytorch教程Tensor基本操作示例详解
文章图片

以上就是人工智能学习Pytorch教程Tensor基本操作示例详解的详细内容,更多关于Pytorch的tensor基本操作的资料请关注脚本之家其它相关文章!

    推荐阅读