PyTorch学习笔记|张量的创建和形变

最近准备学习下深度学习记录下学习内容。安装PyTorch建议使用anaconda然后根据下面代码更新一下anaconda的相关环境。conda update conda conda update anaconda conda update python conda update --allcpu版本安装conda install pytorch torchvision torchaudio cpuonly张量的创建和常用方法张量tensor创建和numpy库还是蛮像的所以我这里简单贴一下代码大家应该能很好理解我们常用列表、元组、数组来创建。import torch import numpy as np t torch.tensor([1, 2]) a torch.tensor((1, 2)) n np.array([1,2]) b torch.tensor(n)张量的类型和转换类似数组都可以调用dtype来返回张量类型我们这里需要好好记住在pytorch中类型不一致和容易报错。先说结论默认创建整数是int64浮点型默认是float32。如果用np数据浮点型默认是float64。其他类型我放在下面大家可以看看。我们在创建的时候可以通过dtype参数来指定数据类型。torch.tensor([1.1, 2.2], dtype torch.int64) #tensor([1, 2])张量的类型转换是分为隐式和显式。这个也很好理解隐式就是如果张量元素不一样时候就是向上转化然后显式就是通过float()等方法进行转换。特殊张量全零张量全1张量单位矩阵对角矩阵随机矩阵等等我们简单过一下。torch.ones([2,2]) torch.eye(5) torch.rand(2,3) torch.randn(2,3) torch.randint(1,10,[2,4])张量的维度与形变这里的维度和numpy数组也差不多我上面的例子都是一维的我们当然可以创建多维的。flatten可以将任意维度张量转换为一维张量reshape可以任意变形。深拷贝和浅拷贝默认情况是浅拷贝需要通过clone进行深拷贝。