pytorch tensor创建tensor

目录

一、使用torch.Tensor创建
二、直接生成特殊的tensor
三、仿造其他tensor生成
四、从numpy生成
五、tensor中的to方法

---

一、使用torch.Tensor创建

1. import torch
2. data=[[1,2],[3,4]]
3. x_data=torch.tensor(data)  # 将列表和数组传给tensor会自动转成tensor类型
4. x_data1=torch.tensor((1,2,3,4)) # 使用元组创建
5. print(x_data1)

复制代码

二、直接生成特殊的tensor

1. import torch
2. data1=torch.ones(1,2,3) # 创建一个维度为(1,2,3)的元素全为1的tensor
3. data2=torch.zeros(1,2,3) # 创建一个维度为(1,2,3)的元素全为0的tensor
4. data3=torch.randn(3,4,5) # 创建一个维度为(3,4,5)的符合正态分布的tensor
5. data4=torch.eye(4,5) # 创建一个维度为(4,5)的单位矩阵
6. data5=torch.randint(5,(5,8)) # 创建一个5一下的随机整数维度为(5,8)的tensot
7. print(type(data4))
8. print(data4)

复制代码

三、仿造其他tensor生成

1. import torch
3. data0=torch.Tensor([1,2,3,4])   
4. data1=torch.ones_like(data0)  # 仿造传入tensor生成相同形式的全为1的tensor
5. data2=torch.empty_like(data1)  # 生成全为0的tensor
6. print(data2)

复制代码

四、从numpy生成

1. import torch
2. import numpy as np
4. arr=np.array([1,2,3,4])
5. tensor0=torch.from_numpy(arr)  # 对arr进行了浅拷贝
6. tensor1=torch.Tensor(arr) # 对arr进行了深拷贝
7. arr[0]=100
8. data_numpy=tensor0.numpy() # 将tensor转成numpy
9. print(tensor0) # 和arr数组一起改变
10. print(tensor1)

复制代码

五、tensor中的to方法

1.数据范例转换

1. tensor0=torch.ones(4,5)
2.     tensor1=tensor0.to(torch.int64)  # 将数据类型转换成传入的数据类型
3.     tensor2=tensor0.to(tensor1)   # 将数据类型转换乘传入的tensor的类型
4.     print(tensor2)

复制代码

2.device转化

1. def tensor_device_demo():
2.     if torch.cuda.is_available():
3.         device=torch.device('cuda:0')
4.     else:
5.         device=torch.device('cpu')
7.     # 将数据转到gpu中运行
8.     tensor0=torch.randn(4,5)
9.     tensor1=tensor0.to(device)

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。