pytorch創(chuàng)建tensor函數(shù)詳情
更新時(shí)間：2022年03月22日 10:42:13 作者：就是一頓騷操作
這篇文章主要介紹了pytorch創(chuàng)建tensor函數(shù)詳情，文章圍繞tensor函數(shù)的相關(guān)自來(lái)哦展開詳細(xì)內(nèi)容的介紹，需要的小伙伴可以參考一下，希望對(duì)你有所幫助
1、通過(guò)復(fù)制數(shù)據(jù)構(gòu)造張量
1.1 torch.tensor()
torch.tensor([[0.1, 1.2], [2.2, 3.1], [4.9, 5.2]])
Out[111]:?
tensor([[0.1000, 1.2000],
? ? ? ? [2.2000, 3.1000],
? ? ? ? [4.9000, 5.2000]])
torch.tensor([0, 1])?
Out[112]: tensor([0, 1])
torch.tensor([[0.11111, 0.222222, 0.3333333]],
? ? ? ? ? ? ?dtype=torch.float64, ? ? ? ? ? ? ?device=torch.device('cpu'))
Out[113]: tensor([[0.1111, 0.2222, 0.3333]], dtype=torch.float64)
torch.tensor(3.14159)
Out[114]: tensor(3.1416)
torch.tensor([])?
Out[115]: tensor([])
torch.tensor([[0.11111, 0.222222, 0.3333333]],
? ? ? ? ? ? ?dtype=torch.float64, ? ? ? ? ? ? ?device=torch.device('cpu'), requires_grad=True, pin_memory=False)
Out[117]: tensor([[0.1111, 0.2222, 0.3333]], dtype=torch.float64, requires_grad=True)dtype（torch.dtype，可選）–返回張量的所需數(shù)據(jù)類型。默認(rèn)值：如果沒(méi)有，則根據(jù)數(shù)據(jù)推斷數(shù)據(jù)類型。device（torch.device，可選）–構(gòu)造張量的裝置。如果沒(méi)有，并且數(shù)據(jù)是張量，那么就使用數(shù)據(jù)設(shè)備。如果沒(méi)有且數(shù)據(jù)不是張量，則結(jié)果張量在CPU上構(gòu)造。require_grad（bool，可選）– 是否需要保留梯度信息。默認(rèn)值：False。pin_memory（bool，可選）–如果設(shè)置了，返回的張量將分配到pind內(nèi)存中。僅適用于CPU張量。默認(rèn)值：False。
1.2 將numpy的ndarray轉(zhuǎn)為tensor
>>> a = numpy.array([1, 2, 3])
>>> t = torch.as_tensor(a)
>>> t
tensor([1, 2, 3])
>>> t[0] = -1
>>> a
array([-1, ?2, ?3])
>>> a = numpy.array([1, 2, 3])
>>> t = torch.as_tensor(a, device=torch.device('cuda'))
>>> t[0] = -1
>>> a
array([1, 2, 3])
t = torch.as_tensor([2, 2, 2], device=torch.device('cuda'))
>>> t
tensor([2, 2, 2], device='cuda:0')
a = numpy.array([1, 2, 3])
t = torch.from_numpy(a)
t
Out[38]: tensor([1, 2, 3])
t[0] = -1
a
Out[40]: array([-1, ?2, ?3])2、生成全0或者全1的tensor
torch.zeros(2, 3) Out[41]:? tensor([[0., 0., 0.], ? ? ? ? [0., 0., 0.]]) torch.zeros(5) Out[42]: tensor([0., 0., 0., 0., 0.]) torch.ones(2, 3) Out[43]:? tensor([[1., 1., 1.], ? ? ? ? [1., 1., 1.]]) torch.ones(5) Out[44]: tensor([1., 1., 1., 1., 1.])
參數(shù)列表:
out：輸出的對(duì)象dtype:返回的張量的所需數(shù)據(jù)類型。默認(rèn)值：如果沒(méi)有，則使用全局默認(rèn)值（請(qǐng)參閱torch.set_Default_tensor_type（））。layoutdevice: 構(gòu)造張量的裝置。如果沒(méi)有，并且數(shù)據(jù)是張量，那么就使用數(shù)據(jù)設(shè)備。如果沒(méi)有且數(shù)據(jù)不是張量，則結(jié)果張量在CPU上構(gòu)造。requires_grad: 是否需要保留梯度信息。默認(rèn)值：False。
3、生成序列
3.1、 生成一個(gè)指定步長(zhǎng)的等差序列
torch.arange(5) Out[45]: tensor([0, 1, 2, 3, 4]) torch.arange(1, 4) Out[46]: tensor([1, 2, 3]) torch.arange(1, 2.5, 0.5) Out[47]: tensor([1.0000, 1.5000, 2.0000])
start: 點(diǎn)集的開始值。默認(rèn)值：0。end: 點(diǎn)集的結(jié)束值step: 每對(duì)相鄰點(diǎn)之間的間隙。默認(rèn)值：1，可以是小數(shù)。
3.2 生成一個(gè)指定步數(shù)的等差數(shù)列
torch.linspace(3, 10, steps=5) Out[49]: tensor([ 3.0000, ?4.7500, ?6.5000, ?8.2500, 10.0000]) torch.linspace(-10, 10, steps=5) Out[50]: tensor([-10., ?-5., ? 0., ? 5., ?10.]) torch.linspace(start=-10, end=10, steps=1) Out[51]: tensor([-10.])
4、生成指定大小的單位矩陣
torch.eye(3) Out[58]:? tensor([[1., 0., 0.], ? ? ? ? [0., 1., 0.], ? ? ? ? [0., 0., 1.]])
5、生成一個(gè)指定大小張量
torch.empty((2,3), dtype=torch.int64) Out[59]:? tensor([[0, 0, 0], ? ? ? ? [0, 0, 2]])
6、 創(chuàng)建一個(gè)指定大小的張量。張量的數(shù)據(jù)是填充的指定值
torch.full((2, 3), 3.141592) Out[67]:? tensor([[3.1416, 3.1416, 3.1416], ? ? ? ? [3.1416, 3.1416, 3.1416]])
到此這篇關(guān)于pytorch創(chuàng)建tensor函數(shù)詳情的文章就介紹到這了,更多相關(guān)pytorch創(chuàng)建tensor函數(shù)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:
相關(guān)文章
聊聊Python中的浮點(diǎn)數(shù)運(yùn)算不準(zhǔn)確問(wèn)題
這篇文章主要介紹了聊聊Python中的浮點(diǎn)數(shù)運(yùn)算不準(zhǔn)確問(wèn)題，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2021-03-03
opencv3/Python 稠密光流calcOpticalFlowFarneback詳解
今天小編就為大家分享一篇opencv3/Python 稠密光流calcOpticalFlowFarneback詳解，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-12-12
完美解決python針對(duì)hdfs上傳和下載的問(wèn)題
這篇文章主要介紹了完美解決python針對(duì)hdfs上傳和下載的問(wèn)題，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-06-06
Python如何執(zhí)行精確的浮點(diǎn)數(shù)運(yùn)算
這篇文章主要介紹了Python如何執(zhí)行精確的浮點(diǎn)數(shù)運(yùn)算，文中講解非常細(xì)致，代碼幫助大家更好的理解和學(xué)習(xí)，感興趣的朋友可以了解下2020-07-07
Python利用Turtle繪制哆啦A夢(mèng)和小豬佩奇
turtle庫(kù)是python的基礎(chǔ)繪圖庫(kù)，經(jīng)常被用來(lái)介紹編程知識(shí)的方法庫(kù)，是標(biāo)準(zhǔn)庫(kù)之一，利用turtle可以制作很多復(fù)雜的繪圖。本文將為大家介紹通過(guò)turtle庫(kù)繪制制哆啦A夢(mèng)和小豬佩奇，感興趣的小伙伴可以學(xué)習(xí)一下2022-04-04
全網(wǎng)首秀之Pycharm十大實(shí)用技巧(推薦)
PyCharm 應(yīng)該是大多數(shù) python 開發(fā)者的首選 IDE，每天我們都在上面敲著熟悉的代碼，寫出一個(gè)又一個(gè)奇妙的功能。這篇文章主要介紹了Pycharm十大實(shí)用技巧，需要的朋友可以參考下2020-04-04
PyCharm設(shè)置每行最大長(zhǎng)度限制的方法
今天小編就為大家分享一篇PyCharm設(shè)置每行最大長(zhǎng)度限制的方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-01-01
Python繪圖Matplotlib之坐標(biāo)軸及刻度總結(jié)
這篇文章主要介紹了Python繪圖Matplotlib之坐標(biāo)軸及刻度總結(jié)，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-06-06
這篇文章主要介紹了python中pygame模塊用法實(shí)例,通過(guò)圖形繪制來(lái)簡(jiǎn)單講述了pygame模塊的用法,具有很好的參考借鑒價(jià)值,需要的朋友可以參考下2014-10-10
解決Ubuntu pip 安裝 mysql-python包出錯(cuò)的問(wèn)題
今天小編就為大家分享一篇解決Ubuntu pip 安裝 mysql-python包出錯(cuò)的問(wèn)題，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2018-06-06