pytorch入门1--数据操作（张量）

忘是亡心i 2024-03-26 13:34 84阅读 0赞

一、张量的定义和变换  
1.张量表示一个数值组成的数组，这个数组可能有多个维度。  
![在这里插入图片描述][1e1cdaf2d28e453e9d46fbd4fa3d39f5.png]  
说明，torch.arange(12)可以得到一个一维的（有几层中括号就是几维数组，注意是层，不是个数），一个最内层的一个中括号中的一列数值都来描述一个点的信息）、由0~11数值组成的张量。  
2.可以通过张量的shape属性来访问张量的形状.  
![在这里插入图片描述][b22c6f3ecc78411db949f21ec6bb2e6b.png]  
说明：输出结果的torch.Size()表示一维里有12个元素。  
3.可以通过numel()来访问张量中元素的总数。（number elements)  
![在这里插入图片描述][83ba1c535b984357b5fe4b81d4a3752a.png]  
4.使用reshape()函数改变一个张量的形状而不改变元素数量和元素值。  
![在这里插入图片描述][cfb41b35bbd749bab3d2c88e01e599ba.png]  
可以看出reshape()函数中有几个参数便改变成几维数组。  
5.使用全0、全1、其他常量或者从特定分布中随机采样的数字。  
![在这里插入图片描述][d957a1f2f4ae4c889b053092392d74ed.png]  
6.通过特定的值来为所需张量中的每个元素赋予确定值。  
![在这里插入图片描述][a04c4d5ae6cb44338077091f6395cb59.png]  
说明：上例创建了一个二位的数组。第一行的元素是2，1，4，3，第二行的元素是1，2，3，4，第三行的元素是4，3，2，1.  
7.常见的标准算数运算符（加、减、乘、除和求幂运算)，都是按元素计算。这里还不是线性代数里的运算。  
![在这里插入图片描述][8c112efa78c24fc4a1970e558971dca6.png]  
8.可以把多个张量连结在一起。  
![在这里插入图片描述][7ea420481a6b4c0c8748c0cca1db9af2.png]  
9.通过逻辑运算符构建二元张量，也是按元素值进行运算。  
![在这里插入图片描述][9c3b8ffc17f54b99b6f10c78ef6551a1.png]  
10.使用sum()函数堆张量中的所有元素进行求和产生一个只有一个元素的张量。  
![在这里插入图片描述][8a2b6be6c6704fc5b3d55bb0a769a37a.png]  
11.即使两个张量形状不同，也可以通过广播机制(broadcasting mechanism)来执行按元素操作。  
![在这里插入图片描述][785958bf2d4844508ec157ee0b4c5ecd.png]  
说明：a是一个二维张量，第一个维度是3，第二个维度是1，b是一个二维张量，第一个维度是1，第二个维度是2，进行a+b运算时将a的第二个维度复制一份使第二个维度为2（与b一致，即a=\[\[0,0\],\[1,1\],\[2,2\]），将b的第一个维度复制两份使第一个维度为3（与a一致，即b=\[\[0,1\],\[0,1\],\[0,1\]\]），在进行相加得结果。  
二、张量中元素的访问  
1.可以用-1选择最后一个元素，可以用\[1:3\]选择第二个和第三个元素。  
![在这里插入图片描述][7144120fdba64b19824904a10a96f8d3.png]  
![在这里插入图片描述][b8880d6cacd14e98b679f7b55b225024.png]  
2.还可以通过指定索引来将元素写入矩阵  
![在这里插入图片描述][e5effd40d97840a6b6f8fb3e0956ba72.png]  
为多个元素赋相同的值，只需要索引所有元素，然后为它们赋值。  
![在这里插入图片描述][be8999dccc03419492a5a2451e1ebd90.png]  
3.一个节省内存的小细节  
python中可以通过id()函数来获得 变量的编号（相当于地址）  
![在这里插入图片描述][dcb813ce62bf4fffa457f194ac666e06.png]  
可以看出，当使一个张量加上另一个张量赋给原来的张量时使用+=执行原地操作，不用为新结果分配内存，而使用=要为新结果分配内存。  
![在这里插入图片描述][f921c12ef4c0477090c0d8c9c69dad72.png]  
将两个张量相加赋给另一个张量时加“\[:\]”也可以不用分配新内存，不加则需要。  
三、转化为NumPy张量  
python里最常见的其实既不是torch,也不是tensorflow,而是numpy。numpy是python里最基础的多元数组运算框架，所有框架可以很方便地从numpy进行转化。  
![在这里插入图片描述][7d651d64f03f408a9ba3c8b789c1eba4.png]  
四、将大小为1的张量转化为python标量  
![在这里插入图片描述][bd6e2e8993b14a8baca1bbc7b0515455.png]

[1e1cdaf2d28e453e9d46fbd4fa3d39f5.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/aede413d3f68401fa808fe09fabb639c.png
[b22c6f3ecc78411db949f21ec6bb2e6b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/c642020ddf21410aa604952f2958cdeb.png
[83ba1c535b984357b5fe4b81d4a3752a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/76010d0928cb4b1d962303ca36b432bd.png
[cfb41b35bbd749bab3d2c88e01e599ba.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/7734f6f3c1d54ddaacc2f01b1cbf32b6.png
[d957a1f2f4ae4c889b053092392d74ed.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/7d951f67c91d4048b86734108cd40e1d.png
[a04c4d5ae6cb44338077091f6395cb59.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/e2b79576939b41cfa7ce208b2f789648.png
[8c112efa78c24fc4a1970e558971dca6.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/a1858d4255864929bb0b241c25da463e.png
[7ea420481a6b4c0c8748c0cca1db9af2.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/56ed92234f0542f89b65d7677b602c6f.png
[9c3b8ffc17f54b99b6f10c78ef6551a1.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/f152e76bf3714acba043cecb06e09fa7.png
[8a2b6be6c6704fc5b3d55bb0a769a37a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/564033f730fd49fc92a85c95f5fd2708.png
[785958bf2d4844508ec157ee0b4c5ecd.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/593f1c46f74f41e6b4a16715d7acbb6d.png
[7144120fdba64b19824904a10a96f8d3.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/26ba013d2d334a6cbbe7f08040ddf25f.png
[b8880d6cacd14e98b679f7b55b225024.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/7494ff8cc945435f95fd06a84226ab35.png
[e5effd40d97840a6b6f8fb3e0956ba72.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/eabcc189a50e4af09bf90cbf481c835b.png
[be8999dccc03419492a5a2451e1ebd90.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/768112f07932410fa9624c2f3bc5efd8.png
[dcb813ce62bf4fffa457f194ac666e06.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/b8807bec31c3450187a2a15315168a6a.png
[f921c12ef4c0477090c0d8c9c69dad72.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/45e18cf740c94350b8e41d0bd73b6749.png
[7d651d64f03f408a9ba3c8b789c1eba4.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/76e71c0ab23f41949f5b14cae1a29c8a.png
[bd6e2e8993b14a8baca1bbc7b0515455.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/19b3c754ebcd4517bd4d3bb2951c58d4.png