Pytorch笔记——1.Pytorch基本数据类型 蔚落 2022-11-22 05:10 528阅读 0赞 ## ***一、Pytorch基本数据类型*** ## 在创建tensor时,需要使用torch.Tensor、torch.DoubleTensor等事先指定数据类型。tensor是包含单一数据类型元素的多维矩阵,不能既有a类型,又有b类型的数据。 1.torch.FloatTensor :32位浮点型(默认类型:torch.Tensor) 在不指定数据类型时,默认位32位浮点型数据。 import torch # Tensor相当于FloatTensor a = torch.Tensor([[1, 2], [3, 4], [5, 6]]) print(a) print(a.type()) ![20201103152126220.png][] 形成一个3行2列的二维矩阵,每个元素的数据类型均为torch.FloatTensor。 2.torch.DoubleTensor:64位浮点型 import torch # 指定数据类型为64位浮点型 a = torch.DoubleTensor([[1, 2], [3, 4], [5, 6]]) print(a) print(a.type()) ![20201103153716602.png][] 3.更多的数据类型 (1)torch.ShortTensor :16位整型 (2)torch.IntTensor:32位整型 (3)torch.LongTensor:64位整型 ## *二、创建tensor的方式* ## 1.创建一个3行2列的二维矩阵 (1)直接指定矩阵内元素 import torch # 指定数据类型为32位浮点型 a = torch.Tensor([[1, 2], [3, 4], [5, 6]]) print(a) print(a.type()) ![20201103154118751.png][] (2)随机生成矩阵内元素 import torch # 指定数据类型为64位浮点型 a = torch.rand((3,2)) print(a) print(a.type()) ![20201103154526103.png][] (3)利用numpy生成矩阵内元素 import torch import numpy as np # 指定数据类型为64位浮点型 a = torch.tensor(np.random.normal(0, 0.01, size=(3,2)),dtype=torch.float64) print(a) print(a.type()) ![20201103160547797.png][] (4)从numpy转换为tensor import torch import numpy as np # 定义一个3行2列的矩阵 a = np.array([[1, 2], [3, 4], [5, 6]]) print(a) print(type(a)) # 使用from_numpy()函数将ndarray格式转化为tensor格式 b = torch.from_numpy(a) print(b) print(b.type()) ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjgzMDY5Nw_size_16_color_FFFFFF_t_70][] 2.创建1个标量 import torch # 定义一个标量 a = torch.tensor(3.2, dtype=torch.float) print(a) print(a.dim()) ![20201103165953648.png][] 3.创建一个1维矩阵 import torch # 定义一个1维向量 a = torch.tensor([3.2, 3.5], dtype=torch.float) print(a) print(a.dim()) ![20201103171027744.png][] 4.创建一个2维矩阵 import torch # 定义一个2维向量 a = torch.tensor([[3.2, 3.5],[1.2, 2.3],[1.5, 3.3]], dtype=torch.float) print(a) print(a.dim()) ![20201103172846370.png][] 5.创建一个3维矩阵【2个3x4的矩阵】 import torch import numpy as np # 定义一个3维向量 a = torch.tensor(np.random.rand(24).reshape(2,3,4), dtype=torch.float) print(a) print(a.dim()) ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjgzMDY5Nw_size_16_color_FFFFFF_t_70 1][] [20201103152126220.png]: /images/20221120/eb4aa30ed2304cb6ac1d9aececc85453.png [20201103153716602.png]: /images/20221120/9c2be65bbc744b9aab1b392754de904f.png [20201103154118751.png]: /images/20221120/1abf8f2061c94912893000c94ebbd5f7.png [20201103154526103.png]: /images/20221120/8e9348fefbd44d72b9f9572cd348c5f5.png [20201103160547797.png]: /images/20221120/058c4e2e07e547098b564166302afc49.png [watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjgzMDY5Nw_size_16_color_FFFFFF_t_70]: /images/20221120/4e8bda8db2384a369b3fae223b709284.png [20201103165953648.png]: /images/20221120/cbd35cbc85d54111a18c635b8243fbec.png [20201103171027744.png]: /images/20221120/389788c4bf1a48d3bd54ff466075dc8d.png [20201103172846370.png]: /images/20221120/8d246fcb19384f0aa15f77b08d117b41.png [watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjgzMDY5Nw_size_16_color_FFFFFF_t_70 1]: /images/20221120/e73f683f00094b6cb43521b81c2b16c2.png
还没有评论,来说两句吧...