杭州个人网站建设,北京牛鼻子网站建设公司,手机图片编辑器,建站行业转型目录 pytorch的基本元素操作创建一个没有初始化的矩阵创建一个有初始化的矩阵创建一个全0矩阵并可指定数据元素类型为long直接通过数据创建张量通过已有的一个张量创建相同尺寸的新张量利用randn_like方法得到相同尺寸张量#xff0c;并且采用随机初始化的方法为其赋值采用.si… 目录 pytorch的基本元素操作创建一个没有初始化的矩阵创建一个有初始化的矩阵创建一个全0矩阵并可指定数据元素类型为long直接通过数据创建张量通过已有的一个张量创建相同尺寸的新张量利用randn_like方法得到相同尺寸张量并且采用随机初始化的方法为其赋值采用.size()方法来得到张量的形状加法切片操作改变张量的形状如果张量中只有一个元素可以用item()将值取出作为一个python numbertorch tensor和numpy array之间的互相转换关于cuda tensortensor可以用.to()方法将其移动到任意设备上 pytorch的基本元素操作
from __future__ import print_function
import torch创建一个没有初始化的矩阵
xtorch.empty(5,3)
print(x)创建一个有初始化的矩阵
xtorch.rand(5,3)
print(x)创建一个全0矩阵并可指定数据元素类型为long
xtorch.zeros(5,3,dtypetorch.long)
print(x)直接通过数据创建张量
xtorch.tensor([2,5,3,5])
print(x)通过已有的一个张量创建相同尺寸的新张量
xx.new_ones(5,3,dtypetorch.double)
print(x)利用randn_like方法得到相同尺寸张量并且采用随机初始化的方法为其赋值
ytorch.randn_like(x,dtypetorch.float)
print(y)采用.size()方法来得到张量的形状
print(x.size())加法
第一种方法
xtorch.randn(5,3)
ytorch.randn(5,3)
print(xy)第二种方法
print(torch.add(x,y))第三种方法
resulttorch.empty(5,3)
torch.add(x,y,outresult)
print(result)第四种方式原地置换(执行的是yyx)
y.add_(x)
print(y)注意
切片操作
x[:,1]改变张量的形状
xtorch.randn(4,4)
yx.view(16)
zx.view(-1,8)
x.size(),y.size(),z.size()如果张量中只有一个元素可以用item()将值取出作为一个python number
xtorch.randn(1)
print(x,x.item())torch tensor和numpy array之间的互相转换
atorch.ones(5)
ba.numpy()
a.add_(1)
print(a,b)import numpy as np
anp.ones(5)
btorch.from_numpy(a)
np.add(a,1,outa)
print(a,b)注意
关于cuda tensortensor可以用.to()方法将其移动到任意设备上
windows mac
if torch.backends.mps.is_available():devicetorch.device(mps)#cpu上创建xgpu上创建yxtorch.randn(1)ytorch.ones_like(x,devicedevice)xx.to(device)#此时xy都在gpu上zxyprint(z)#再将z转移到cpu上print(z.to(cpu,torch.float32))
