欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

PyTorch一小時(shí)掌握之基本操作篇

 更新時(shí)間：2021年09月08日 09:37:51   作者：我是小白呀  
這篇文章主要介紹了PyTorch一小時(shí)掌握之基本操作篇，本文給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下

創(chuàng)建數(shù)據(jù)

在這里插入圖片描述

torch.empty()

創(chuàng)建一個(gè)空張量矩陣.

格式：

torch.empty(*size, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False, pin_memory=False, memory_format=torch.contiguous_format) → Tensor

參數(shù):

  • size: 生成矩陣的形狀, 必選
  • dtype: 數(shù)據(jù)類(lèi)型, 默認(rèn)為 None

例子:

# 創(chuàng)建一個(gè)形狀為[2, 2]的矩陣
a = torch.empty(2, 2)
print(a)

# 創(chuàng)建一個(gè)形狀為[3, 3]的矩陣
b = torch.empty(3, 3)
print(b)

輸出結(jié)果:

tensor([[0., 0.],
[0., 0.]])
tensor([[0., 0., 0.],
[0., 0., 0.],
[0., 0., 0.]])

torch.zeros()

創(chuàng)建一個(gè)全零矩陣.

格式:

torch.zeros(*size, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor

參數(shù):

  • size: 生成矩陣的形狀, 必選
  • dtype: 數(shù)據(jù)類(lèi)型, 默認(rèn)為 None

例子:

# 創(chuàng)建一個(gè)形狀為[2, 2]的全零數(shù)組
a = torch.zeros([2, 2], dtype=torch.float32)
print(a)

# 創(chuàng)建一個(gè)形狀為[3, 3]的全零數(shù)組
b = torch.zeros([3, 3], dtype=torch.float32)
print(b)

輸出結(jié)果:

tensor([[0., 0.],
[0., 0.]])
tensor([[0., 0., 0.],
[0., 0., 0.],
[0., 0., 0.]])

torch.ones()

創(chuàng)建一個(gè)全一矩陣.

格式:

torch.ones(*size, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor

參數(shù):

  • size: 生成矩陣的形狀, 必選
  • dtype: 數(shù)據(jù)類(lèi)型, 默認(rèn)為 None

例子:

# 創(chuàng)建一個(gè)形狀為[2, 2]的全一數(shù)組
a = torch.ones([2, 2], dtype=torch.float32)
print(a)

# 創(chuàng)建一個(gè)形狀為[3, 3]的全一數(shù)組
b = torch.ones([3, 3], dtype=torch.float32)
print(b)

輸出結(jié)果:

tensor([[1., 1.],
[1., 1.]])
tensor([[1., 1., 1.],
[1., 1., 1.],
[1., 1., 1.]])

torch.tensor()

通過(guò)數(shù)據(jù)創(chuàng)建張量.

格式:

torch.tensor(data, *, dtype=None, device=None, requires_grad=False, pin_memory=False) → Tensor

參數(shù):

  • data: 數(shù)據(jù) (數(shù)組, 元組, ndarray, scalar)
  • dtype: 數(shù)據(jù)類(lèi)型, 默認(rèn)為 None

例子:

# 通過(guò)數(shù)據(jù)創(chuàng)建張量
array = np.arange(1, 10).reshape(3, 3)
print(array)
print(type(array))

tensor = torch.tensor(array)
print(tensor)
print(type(tensor))

輸出結(jié)果:

[[1 2 3]
[4 5 6]
[7 8 9]]
<class 'numpy.ndarray'>
tensor([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]], dtype=torch.int32)
<class 'torch.Tensor'>

torch.rand()

創(chuàng)建一個(gè) 0~1 隨機(jī)數(shù)的張量矩陣.

格式:

torch.rand(*size, *, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False) → Tensor

參數(shù):

  • size: 生成矩陣的形狀, 必選
  • dtype: 數(shù)據(jù)類(lèi)型, 默認(rèn)為 None

例子:

# 創(chuàng)建形狀為[2, 2]的隨機(jī)數(shù)矩陣
rand = torch.rand(2, 2)
print(rand)

輸出結(jié)果:

tensor([[0.6209, 0.3424],
[0.3506, 0.7986]])

數(shù)學(xué)運(yùn)算

在這里插入圖片描述

torch.add()

返回相加的張量.

格式:

torch.add(input, other, *, out=None) → Tensor

例子:

# 張量相加
input1 = torch.tensor([[1, 2], [3, 4]])
print(input1)

input2 = torch.tensor([[4, 3], [2, 1]])
print(input2)

output = torch.add(input1, input2)
print(output)

輸出結(jié)果:

tensor([[1, 2],
[3, 4]])
tensor([[4, 3],
[2, 1]])
tensor([[5, 5],
[5, 5]])

注: 相加的張量形狀必須一致, 否則會(huì)報(bào)錯(cuò).

torch.sub()

返回相減的張量.

例子:

# 張量相減
input1 = torch.tensor([[1, 2], [3, 4]])
print(input1)

input2 = torch.tensor([[4, 3], [2, 1]])
print(input2)

output = torch.sub(input1, input2)
print(output)

輸出結(jié)果:

tensor([[1, 2],
[3, 4]])
tensor([[4, 3],
[2, 1]])
tensor([[-3, -1],
[ 1, 3]])

torch.matmul()

例子:

# 張量矩陣相乘
input1 = torch.tensor([[1, 1, 1]])
print(input1)

input2 = torch.tensor([[3], [3], [3]])
print(input2)

output = torch.matmul(input1, input2)
print(output)

輸出結(jié)果:

tensor([[1, 1, 1]])
tensor([[3],
[3],
[3]])
tensor([[9]])

索引操作

索引 (index) 可以幫助我們快速的找到張量中的特定信息.

在這里插入圖片描述

例子:

# 簡(jiǎn)單的索引操作
ones = torch.ones([3, 3])
print(ones[: 2])
print(ones[:, : 2])

調(diào)試輸出:

tensor([[1., 1., 1.],
[1., 1., 1.]])
tensor([[1., 1.],
[1., 1.],
[1., 1.]])

到此這篇關(guān)于PyTorch一小時(shí)掌握之基本操作篇的文章就介紹到這了,更多相關(guān)PyTorch基本操作內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

相關(guān)文章

  • MySQL適配器PyMySQL詳解

    MySQL適配器PyMySQL詳解

    這篇文章主要為大家詳細(xì)介紹了MySQL適配器PyMySQL的相關(guān)資料，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
    2017-09-09
  • python操作xml文件詳細(xì)介紹

    python操作xml文件詳細(xì)介紹

    這篇文章主要介紹了python操作xml文件詳細(xì)介紹,著重介紹了獲取XML標(biāo)簽的屬性和值的方法,需要的朋友可以參考下
    2014-06-06
  • python基礎(chǔ)之局部變量和全局變量

    python基礎(chǔ)之局部變量和全局變量

    這篇文章主要介紹了python局部變量和全局變量,實(shí)例分析了Python中返回一個(gè)返回值與多個(gè)返回值的方法,需要的朋友可以參考下
    2021-10-10
  • Python類(lèi)與實(shí)例的使用詳解

    Python類(lèi)與實(shí)例的使用詳解

    面向?qū)ο笞钪匾母拍罹褪穷?lèi)（Class）和實(shí)例（Instance），必須牢記類(lèi)是抽象的模板，比如Student類(lèi)，而實(shí)例是根據(jù)類(lèi)創(chuàng)建出來(lái)的一個(gè)個(gè)具體的“對(duì)象”，每個(gè)對(duì)象都擁有相同的方法，但各自的數(shù)據(jù)可能不同
    2022-08-08
  • python利用后綴表達(dá)式實(shí)現(xiàn)計(jì)算器功能

    python利用后綴表達(dá)式實(shí)現(xiàn)計(jì)算器功能

    這篇文章主要為大家詳細(xì)介紹了python利用后綴表達(dá)式實(shí)現(xiàn)計(jì)算器功能，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
    2021-02-02
  • python四種出行路線規(guī)劃的實(shí)現(xiàn)

    python四種出行路線規(guī)劃的實(shí)現(xiàn)

    路徑規(guī)劃中包括步行、公交、駕車(chē)、騎行等不同方式，今天借助高德地圖web服務(wù)api，實(shí)現(xiàn)出行路線規(guī)劃。感興趣的可以了解下
    2021-06-06
  • python實(shí)現(xiàn)Nao機(jī)器人的單目測(cè)距

    python實(shí)現(xiàn)Nao機(jī)器人的單目測(cè)距

    這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)Nao機(jī)器人的單目測(cè)距，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
    2021-09-09
  • Python開(kāi)發(fā)最牛逼的IDE——pycharm

    Python開(kāi)發(fā)最牛逼的IDE——pycharm

    這篇文章給大家介紹了Python開(kāi)發(fā)最牛逼的IDE——pycharm，主要是介紹python IDE pycharm的安裝與使用教程，非常不錯(cuò)，具有一定的參考借鑒價(jià)值，需要的朋友參考下吧
    2018-08-08
  • Python numpy.add函數(shù)的具體使用

    Python numpy.add函數(shù)的具體使用

    本文主要介紹了Python numpy.add函數(shù)的具體使用,numpy.add函數(shù)不僅僅是一個(gè)簡(jiǎn)單的加法操作,更是一個(gè)功能強(qiáng)大且高度優(yōu)化的工具,可適用于各種復(fù)雜的數(shù)值計(jì)算和數(shù)據(jù)處理任務(wù),感興趣的可以了解一下
    2023-12-12
  • 利用Python優(yōu)雅的登錄校園網(wǎng)

    利用Python優(yōu)雅的登錄校園網(wǎng)

    這篇文章主要介紹了如何利用Python優(yōu)雅的登錄校園網(wǎng)，幫助大家更好的理解和使用python，感興趣的朋友可以了解下
    2020-10-10

最新評(píng)論