【PyTorch学习】PyTorch基础知识

import torch
# 定义一个三行两列给定元素的矩阵，并且显示出矩阵的元素和大小
a = torch.Tensor([[2, 3], [4, 8], [7, 9]])
print('a is: {}'.format(a))
print('a size is: {}'.format(a.size()))

a is: tensor([[2., 3.],
        [4., 8.],
        [7., 9.]])
a size is: torch.Size([3, 2])

torch.Tensor默认的是torch.FloatTensor数据类型，也可以定义我们想要的数据类型，如下：

b = torch.LongTensor([[2, 3], [4, 8], [7, 9]])
print('b is: {}'.format(b))

b is: tensor([[2, 3],
        [4, 8],
        [7, 9]])

也可以创建一个全是0的空Tensor或者取一个正态分布作为随机初始值：

c = torch.zeros((3, 2))
print('zero tensor: {}'.format(c))
d = torch.randn((3, 2))
print('normal random is：{}'.format(d))

zero tensor: tensor([[0., 0.],
        [0., 0.],
        [0., 0.]])
normal random is：tensor([[-0.7224,  0.6373],
        [-0.0982,  0.1669],
        [-1.4247,  0.5982]])

我们也可以像numpy一样通过索引的方式取得其中的元素，同时也可以改变它的值，比如将a的第一行第二列改变为100。

a[0, 1] = 100
print('changed a is: {}'.format(a))

changed a is: tensor([[  2., 100.],
        [  4.,   8.],
        [  7.,   9.]])

除此之外，还可以在Tensor与numpy.ndarray之间相互转换：

import numpy as np
numpy_b = b.numpy()
print('conver to numpy is n {}'.format(numpy_b))
e = np.array([[2, 3], [4, 5]])
torch_e = torch.from_numpy(e)
print('from numpy to torch.Tensor is n {}'.format(torch_e))
f_torch_e = torch_e.float()
print('cahnge data type to float tensor n {}'.format(f_torch_e))

conver to numpy is
 [[2 3] [4 8] [7 9]]from numpy to torch.Tensor is
 tensor([[2, 3],
        [4, 5]], dtype=torch.int32)
cahnge data type to float tensor
 tensor([[2., 3.],
        [4., 5.]])

通过简单的b.numpy()，就能将b转换为numpy数据类型，同时使用 torch.from_numpy()就能将numpy转换为tensor

 2/7   首页 上一页 1 2 3 4 5 6 下一页 尾页