一、tensor的創(chuàng)建

1.使用tensor

小寫(xiě)字母的tensor接收具體的數(shù)據(jù)，可以直接按照numpy的方式輸入數(shù)組。

2.使用Tensor

大寫(xiě)字母的可以接收形狀，此時(shí)會(huì)生成隨機(jī)數(shù)，但沒(méi)有任何規(guī)則?？梢陨刹煌念?lèi)型。

自動(dòng)生成的數(shù)據(jù)有默認(rèn)類(lèi)型，F(xiàn)loatTensor，可以使用torch.set_default_tensor_type去修改

3.隨機(jī)初始化

rand：0-1之間均勻采樣

randn：均值0，方差1的正態(tài)分布隨機(jī)采樣

以上兩種可以直接輸入形狀，即可產(chǎn)生對(duì)應(yīng)形狀的隨機(jī)數(shù)。

randint：參數(shù)是---起始值、終止值、形狀

同時(shí)每一個(gè)都會(huì)有一個(gè)_like方法，輸入一個(gè)tensor，會(huì)生成對(duì)應(yīng)形狀的新tensor

4.其他數(shù)據(jù)生成

①torch.full

參數(shù)是---形狀，數(shù)據(jù)。如果形狀的位置給一個(gè)空的list，生成的就是標(biāo)量。

②torch.arange

參數(shù)是---起始，終止，步長(zhǎng)。不包含終止值。

③linspace和logspace

參數(shù)是---起始，終止，數(shù)量。包含終止值

④ones, zeros, eye

輸入形狀即可。ones和zeros也有_like方法

⑤torch.randperm

隨機(jī)打散。輸入一個(gè)數(shù)字，會(huì)自動(dòng)生成這個(gè)數(shù)字長(zhǎng)度的，從0開(kāi)始的隨機(jī)排列數(shù)字，可以作為索引。當(dāng)需要對(duì)不同的數(shù)據(jù)，使用相同的索引，并且打亂順序時(shí)，非常好用。

二、tensor的索引與切片

1.索引與切片使用方法

和python中的索引切片使用方法一致

①index_select

輸入的參數(shù)---維度的位置、要選的內(nèi)容對(duì)應(yīng)的維度的索引。不太好理解，可以看下面的例子。

②...

三個(gè)點(diǎn)相當(dāng)于集成了的連續(xù)的冒號(hào)。

③mask

需要先根據(jù)數(shù)據(jù)生成一個(gè)mask，比如挑選出大于等于0.3的數(shù)，此時(shí)會(huì)得到一個(gè)和數(shù)據(jù)相同形狀的，滿(mǎn)足條件位置是1，不滿(mǎn)足條件的位置是0的一個(gè)mask，通過(guò)masked_select可以選出數(shù)據(jù)。

三、tensor維度的變換

1.維度變換

①torch.view

和numpy中的reshape方法一樣。轉(zhuǎn)換的時(shí)候需要考慮到實(shí)際的物理意義。

②squeeze/unsqueeze

squeeze輸入的參數(shù)---需要減少的維度所在位置

unsqueeze輸入的參數(shù)---需要增加的維度所在的位置

③expand，repeat

expand輸入的參數(shù)---希望擴(kuò)展后所形成的維度

repeat輸入的參數(shù)---各自維度需要重復(fù)的次數(shù)

通常使用expand，因?yàn)椴粫?huì)主動(dòng)復(fù)制數(shù)據(jù)。

④t，transpose，permute

t：和numpy中的轉(zhuǎn)置一樣，只針對(duì)二維矩陣操作

transpose：輸入需要交換的維度的位置即可。但想要還原的時(shí)候，需記得轉(zhuǎn)換后的各個(gè)位置的物理意義，根據(jù)實(shí)際意義進(jìn)行再次轉(zhuǎn)換。見(jiàn)下面的例子。

permute：輸入希望轉(zhuǎn)換成的維度的位置索引即可。相當(dāng)于多次使用transpose

以上就是人工智能學(xué)習(xí)Pytorch教程Tensor基本操作示例詳解的詳細(xì)內(nèi)容，更多關(guān)于Pytorch的tensor基本操作的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論