張量的概念及使用（上）張量的概念及使用01張量的概念

tensor即“張量”，是一種數(shù)據(jù)結(jié)構(gòu)，實(shí)際上跟numpy數(shù)組、向量、矩陣的格式基本一樣。但是是專(zhuān)門(mén)針對(duì)GPU來(lái)設(shè)計(jì)的，可以運(yùn)行在GPU上來(lái)加快計(jì)算效率。

可以簡(jiǎn)單理解為：一個(gè)可以運(yùn)行在gpu上的多維數(shù)據(jù)。Tensor的使用01Torch.device()設(shè)備類(lèi)型我們學(xué)習(xí)到了張量的基本使用，那么在神經(jīng)網(wǎng)絡(luò)中，張量有哪些常見(jiàn)的使用呢？Torch.device()表現(xiàn)了torch.Tensor被分配的設(shè)備類(lèi)型的類(lèi)，其中分為‘cpu’和‘cuda’兩種類(lèi)型。可以通過(guò)torch.cuda.current_device()返回當(dāng)前設(shè)備標(biāo)號(hào)，也可以通過(guò)tensor.device()來(lái)獲取其屬性。具體操作如下所示：>>>importtorch#導(dǎo)包>>>torch.device('cuda')#使用當(dāng)前的cuda設(shè)備device(type='cuda')>>>torch.device('cpu')#設(shè)置當(dāng)前設(shè)備為CPUdevice(type='cpu')Tensor的使用01

可以利用字符或字符+序號(hào)的方式來(lái)分配設(shè)備，如果設(shè)備序號(hào)沒(méi)有顯示則表示此tensor被分配到當(dāng)前設(shè)備。#通過(guò)字符串和設(shè)備號(hào)設(shè)置>>>torch.device('cuda',0)#設(shè)置當(dāng)前設(shè)備為0號(hào)cudadevice(type='cuda',index=0)>>>torch.device('cpu',0)

#設(shè)置當(dāng)前設(shè)備為0號(hào)cpudevice(type='cpu',index=0)Tensor的使用01通過(guò)代碼自動(dòng)分配>>>device=torch.device(“cuda”iftorch.cuda.is_available()else“cpu”)#通用

張量的設(shè)備分配>>>data=torch.Tensor([1])#聲明一個(gè)Tensor>>>data.to(device)tensor([1.])#Tensor置于cpu設(shè)備上>>>data.to(device)

tensor([1.],device='cuda:0')#Tensor置于cuda設(shè)備上Tensor的使用01創(chuàng)建一維、二維、三維張量a=torch.Tensor([1,2,3])b=torch.Tensor([[1,2,3],[4,5,6]])c=torch.Tensor([[[1,2,3],[4,5,6],[7,8,9]]])print('一維張量:',a)print('二維張量:',b)print('三維張量:',c)代碼：結(jié)果：torch.Tensor(list)：根據(jù)列表創(chuàng)建多維張量，維度一致Tensor的使用01創(chuàng)建全零/全1張量input=torch.zeros(2)#一維全0張量print(input)print(torch.zeros(2,3))#2行3列的全0張量print(torch.ones(2,3))#2行3列的全1張量print(torch.zeros_like(input))#打印與input相同大小的全0張量print(torch.ones_like(input))#打印與input相同大小的全1張量代碼：結(jié)果：torch.zeros(*sizes,out=None,..)/torch.ones(*sizes,out=None,..)：返回大小為sizes的對(duì)應(yīng)全零/全1張量torch.zeros_like(input,..)/torch.ones_like(input,..)：返回與input相同尺寸的對(duì)應(yīng)全零/全1張量Tensor的使用01創(chuàng)建全x張量print(torch.full((3,4),3.14))#3行4列全3.14張量print(torch.full_like(input,2.3))#打印與input相同大小的全2.3矩陣量代碼：結(jié)果：torch.full(size,fill_value,…)返回大小為size，各元素值都為fill_value的張量Tensor的使用01等差數(shù)列張量print(torch.arange(2,8))#默認(rèn)單位步長(zhǎng)是1的等差數(shù)列張量print(torch.linspace(2,10,steps=5))#步長(zhǎng)為2的等差數(shù)列代碼：結(jié)果：torch.arange(start=0,end,step=1,…)函數(shù)，返回結(jié)果為[start,end)，步長(zhǎng)為step的張量等比數(shù)列張量torch.linspace(start,end,steps=100)返回從[start,end]，間隔中的插值數(shù)目為steps的tensor。torch.logspace(start,end,steps=100,base=10)返回steps個(gè)從base^start到base^end的等比數(shù)列。print(torch.logspace(1,3,steps=3,base=10))#以10為公倍數(shù)的等比代碼：結(jié)果：Tensor的使用01隨機(jī)張量input=torch.eye(3)#3維單位對(duì)角張量print(torch.rand(2,2))#2行2列的[0,1]均勻分布隨機(jī)數(shù)print(torch.rand_like(input))#3行3列的[0,1]均勻分布隨機(jī)數(shù)print(torch.randint(1,10,(2,2)))#2行2列的[1,10]均勻分布隨機(jī)數(shù)print(torch.randn(2,2))#2行2列的標(biāo)準(zhǔn)正態(tài)分布隨機(jī)數(shù)代碼：結(jié)果：torch.rand(*size,out=None,dtype=None,…)返回[0,1]之間均勻分布的隨機(jī)數(shù)值，形狀大小由size決定torch.rand_like(input)隨機(jī)數(shù)滿(mǎn)足[0,1]均勻分布，形狀