PyTorch学习笔记(一)

红太狼 2022-08-29 15:54 280阅读 0赞

# PyTorch学习笔记(一) #

## 创建张量 Tensors ##

### torch.rand ###

torch.rand(*sizes, out=None) → Tensor

返回一个张量，包含了从区间\*\*\[0,1)\*\*的均匀分布中抽取的一组随机数，形状由可变参数sizes 定义。

参数:

*  sizes (int…) – 整数序列，定义了输出形状
 *  out (Tensor, optinal) - 结果张量

例子：

>>> torch.rand(4)
    
     0.9193
     0.3347
     0.3232
     0.7715
    [torch.FloatTensor of size 4]
    
    >>> torch.rand(2, 3)
    
     0.5010  0.5140  0.0719
     0.1435  0.5636  0.0538
    [torch.FloatTensor of size 2x3]

### torch.randn ###

torch.randn(*sizes, out=None) → Tensor

返回一个张量，包含了从标准正态分布(**均值为0，方差为 1，即高斯白噪声**)中抽取一组随机数，形状由可变参数sizes定义。

参数:

*  sizes (int…) – 整数序列，定义了输出形状
 *  out (Tensor, optinal) - 结果张量

例子：

>>> torch.randn(4)
    
    -0.1145
     0.0094
    -1.1717
     0.9846
    [torch.FloatTensor of size 4]
    
    >>> torch.randn(2, 3)
    
     1.4339  0.3351 -1.0999
     1.5458 -0.9643 -0.3558
    [torch.FloatTensor of size 2x3]

### torch.randperm ###

torch.randperm(n, out=None) → LongTensor

给定参数n，返回一个从0 到n -1 (**\[0,n-1)**)的随机整数排列。

参数:

*  n (int) – 上边界(不包含)

例子：

>>> torch.randperm(4)
    
     2
     1
     3
     0
    [torch.LongTensor of size 4]

### torch.arange ###

torch.arange(start, end, step=1, out=None) → Tensor

返回一个1维张量，长度为 **floor((end−start)/step) （向下取整）**。**包含**(闭区间)从start到end，以step为步长的一组序列值(默认步长为1)。

参数:

*  start (float) – 序列的起始点
 *  end (float) – 序列的终止点
 *  step (float) – 相邻点的间隔大小
 *  out (Tensor, optional) – 结果张量

例子：

>>> torch.arange(1, 4)
    
     1
     2
     3
    [torch.FloatTensor of size 3]
    
    >>> torch.arange(1, 2.5, 0.5)
    
     1.0000
     1.5000
     2.0000
    [torch.FloatTensor of size 3]

### torch.range() 建议使用 torch.arange() ###

torch.range(start, end, step=1, out=None) → Tensor

返回一个1维张量，有 **floor((end−start)/step)+1** 个元素。包含在**半开区间\[start, end**）从start开始，以step为步长的一组值。 step 是两个值之间的间隔，即  x i + 1 = x i + s t e p x\_\{i+1\}=x\_i+step xi\+1=xi\+step

**警告：建议使用函数 torch.arange()**

参数:

*  start (float) – 序列的起始点
 *  end (float) – 序列的最终值
 *  step (int) – 相邻点的间隔大小
 *  out (Tensor, optional) – 结果张量

特例：

*  mean=0.0，所有抽取的样本共享均值
 *  std=1.0，所有抽取的样本共享标准差

例子：

>>> torch.range(1, 4) 1 2 3 4[torch.FloatTensor of size 4]>>> torch.range(1, 4, 0.5) 1.0000 1.5000 2.0000 2.5000 3.0000 3.5000 4.0000[torch.FloatTensor of size 7]