标签：--- 培训 tensor 鸿蒙 torch 张量 第四阶段 cuda device

1、张量（Tensor）：
a、各种数值数据可以为张量。
b、常数：scaler：0阶张量。
c、向量：vector：1阶张量。
d、矩阵：matrix：2阶张量。
2、张量的创建方式：
  a、torch.Tensor(list)
  b、torch.empty()/zeros()/ones()
  c、torch.rand()/randint()/randn(）

3、 tensor的数据类型和修改方法
a) int32 -->int
b) int64 --->long
c) float32--->float
d) float64 --->double
e) tensor.float().long().double().int()
4、 tensor的计算
a) tensor+tensor，形状相同对应位置计算
b) 形状不同：可以进行广播
c) tensor+数字，tensor中的每个值和数字计算
d) x.add_(y)x的值会直接被修改
5、CUDA类型的tensor
a) device=torch.device("cuda:0"if torch.cuda.is_available() else "cpu")
b) torch.tensor([1,,3],device) #创建cuda类型的tensor
c) tensor.to(device) #把tensor转化为cuda支持的tensor
d) tensor.cpu() #把cuda的tensor转化为cpu上的tensor
6、张量的方法和属性
a、数据中只有一个元素的时候，取值：tensor.item()。
b、转化为numpy数组的时候：tensor.numpy()。
c、获取形状：
   i. tensor.size()
   ii. tensor.size(1) #获取第一个维度的形状
d、形状的变化：tensor.view([shape])。
e、获取阶数：tensor.dim()。
f、常用计算方法：tensor.max()/mind。



 

标签：---,培训,tensor,鸿蒙,torch,张量,第四阶段,cuda,device
来源： https://blog.csdn.net/m0_66121990/article/details/122517793

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。