欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

人工智能学习Pytorch教程Tensor基本操作示例详解

程序员文章站 2022-07-03 22:51:06
目录一、tensor的创建1.使用tensor2.使用tensor3.随机初始化4.其他数据生成①torch.full②torch.arange③linspace和logspace④ones, zer...

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

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

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

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

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

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

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

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

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

人工智能学习Pytorch教程Tensor基本操作示例详解

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

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

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

三、tensor维度的变换

1.维度变换

①torch.view

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

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

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

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

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其它相关文章!