标签：Tensor pycharm ---------------------------------------------- torch ------------
《深度学习框架PyTorch入门与实践》——Tensor基本操作(1)
一.PyTorch入门第一步
1.构建53矩阵*
import torch as t
x = t.Tensor(5,3)
print(x)
----------------------------------------------在pycharm中的运行结果-------------------------------------------------------
2.使用【0，1】均匀分布随机初始化二维数组
import torch as t
x = t.Tensor(5,3)
x= t.rand(5,3)
print(x)
----------------------------------------------在pycharm中的运行结果-------------------------------------------------------
3.查看x形状和列的个数
import torch as t
x = t.rand(5,3)
print(x.size())
print(x.size()[0])
print(x.size(1))
----------------------------------------------在pycharm中的运行结果-------------------------------------------------------
4.加法的三种写法
import torch as t
x = t.rand(5,3)
y = t.rand(5,3)
print("最初y，x")
print(y)
print(x)
print("第一种加法,y的结果")
print(x+y)
print("第二种加法，y的结果")
print(t.add(x,y))
print("第三种加法，y的结果")
result=t.Tensor(5,3)
t.add(x,y,out=result)
print(result)
----------------------------------------------在pycharm中的运行结果-------------------------------------------------------
5.对y的两种加法对比
import torch as t
x = t.rand(5,3)
y = t.rand(5,3)
print("最初y，x")
print(y)
print(x)
print("第一种加法,y的结果")
print(y.add(x))
print("第二种加法，y的结果")
print(y.add_(x))
----------------------------------------------在pycharm中的运行结果-------------------------------------------------------
6.Tensor的选取操作
import torch as t
x = t.rand(5,3)
print(x)
print(x[:, 1])
----------------------------------------------在pycharm中的运行结果-------------------------------------------------------
7.Tensor与numpy之间的互操作
import torch as t
import numpy as np
a=t.ones(5)
print(a)
b=a.numpy()
print(b)
a=np.ones(5)
b=t.from_numpy(a)
print(a)
print(b)
----------------------------------------------在pycharm中的运行结果-------------------------------------------------------
8.Tensor与numpy共同改变
import torch as t
import numpy as np
a=np.ones(5)
b=t.from_numpy(a)
b.add_(1)
print(a)
print(b)
----------------------------------------------在pycharm中的运行结果-------------------------------------------------------
二.Tensor和autograd
1.创建tensor
import torch as t
a=t.Tensor(2,3)
print(a)
b=t.Tensor([[1,2,3],[4,5,6]])
print(b)
b.tolist()
print(b)
b_size=b.size()
print(b_size)
print(b.numel())
c=t.Tensor(b_size)
d=t.Tensor((2,3))
print(c)
print(d)
----------------------------------------------在pycharm中的运行结果-------------------------------------------------------
2. 查看形状
import torch as t
c=t.Tensor(b_size)
print(c.shape)
print(c.size)
----------------------------------------------在pycharm中的运行结果-------------------------------------------------------
3. 其他创建方法
import torch as t
print(t.ones(2,3))
print(t.zeros(2,3))
print(t.arange(1,6,2))
print(t.linspace(1,10,3))
print(t.randn(2,3))
print(t.randperm(5))
print(t.eye(2,3))
----------------------------------------------在pycharm中的运行结果-------------------------------------------------------
4.常用的tensor操作
import torch as t
a=t.arange(0,6)
a.view(2,3)
print(a)
b=a.view(-1,3)
print(b)
print(b.unsqueeze(1))
print(b.unsqueeze(-2))
c=b.view(1,1,1,2,3)
c.squeeze(0)
print(c)
c.squeeze()
a[1]=100
print(b)
b.resize_(1,3)
print(b)
b.resize_(3,3)
print(b)
----------------------------------------------在pycharm中的运行结果-------------------------------------------------------
5.索引操作
import torch as t
a=t.randn(3,4)
print(a)
print(a[0])
print(a[:0])
print(a[0][2])
print(a[0,-1])
print(a[:2])
print(a[:2,0:2])
print(a[0:1,:2])
print(a[0,:2])
print(a>1)
print(a[a>1])
print(a[t.LongTensor([0,1])])
----------------------------------------------在pycharm中的运行结果-------------------------------------------------------
6.gather，scatter_操作
import torch as t
a=t.arange(0,16).view(4,4)
print(a)
index=t.LongTensor([[0,1,2,3]])
print(a.gather(0,index))
index=t.LongTensor([[3,2,1,0]]).t()
print(a.gather(1,index))
index=t.LongTensor([[0,1,2,3]])
print(a.gather(0,index))
index=t.LongTensor([[0,1,2,3],[3,2,1,0]]).t()
b=a.gather(1,index)
print(b)
#scatter
c=t.zeros(4,4,dtype=t.int64)
c.scatter_(1,index,b).float()
print(c)
----------------------------------------------在pycharm中的运行结果-------------------------------------------------------
7.高级索引
import torch as t
x=t.arange(0,27).view(3,3,3)
print(x)
print(x[[1,2],[1,2],[2,0]])
print(x[[2,1,0],[0],[1]])
print(x[[0,2],...])
----------------------------------------------在pycharm中的运行结果-------------------------------------------------------
8.tensor类型
import torch as t
t.set_default_tensor_type('torch.DoubleTensor')
a=t.Tensor(2,3)
print(a)
b=a.float()
print(b)
c=a.type_as(b)
print(c)
d=a.new(2,3)
print(d)
print(a.new)
t.set_default_tensor_type('torch.FloatTensor')
----------------------------------------------在pycharm中的运行结果-------------------------------------------------------
9.逐元素操作
import torch as t
a=t.arange(0,6).view(2,3)
print(t.cos(a))
print(a%3)
print(a**2)
print(a)
print(t.clamp(a,min=3))
----------------------------------------------在pycharm中的运行结果-------------------------------------------------------
标签：Tensor,pycharm,----------------------------------------------,torch,------------ 来源： https://blog.csdn.net/m0_58197804/article/details/122769276
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。