pytorch之Tensor
#tensor和numpy
import torch
import numpy as npnumpy_tensor = np.random.randn(3,4)
print(numpy_tensor)
#将numpy的ndarray转换到tendor上
pytorch_tensor1 = torch.Tensor(numpy_tensor)
pytorch_tensor2 = torch.from_numpy(numpy_tensor)
print(pytorch_tensor1)
print(pytorch_tensor2)
#将pytorch的tensor转换到numpy的ndarray
numpy_array = pytorch_tensor1.numpy() #如果pytorch在cpu上
print(numpy_array)
#tensor的一些属性,得到tensor的大小
print(pytorch_tensor1.shape)
print(pytorch_tensor1.size())
print(pytorch_tensor1.type()) #得到tensor的数据类型
print(pytorch_tensor1.dim()) #得到tensor的维度
print(pytorch_tensor1.numel()) #得到tensor所有元素的个数x = torch.rand(3,2)
x.type(torch.DoubleTensor)
print(x)
np_array = x.numpy()
print(np_array.dtype)
[[ 1.05174423 1.09272735 0.46027768 -0.03255727]
[ 0.57027229 1.22165706 -0.77909099 -0.17678552]
[ 0.02112402 -1.08971068 0.72317744 -1.45482622]]
tensor([[ 1.0517, 1.0927, 0.4603, -0.0326],
[ 0.5703, 1.2217, -0.7791, -0.1768],
[ 0.0211, -1.0897, 0.7232, -1.4548]])
tensor([[ 1.0517, 1.0927, 0.4603, -0.0326],
[ 0.5703, 1.2217, -0.7791, -0.1768],
[ 0.0211, -1.0897, 0.7232, -1.4548]], dtype=torch.float64)
[[ 1.0517442 1.0927273 0.46027768 -0.03255726]
[ 0.57027227 1.221657 -0.779091 -0.17678553]
[ 0.02112402 -1.0897107 0.72317743 -1.4548262 ]]
torch.Size([3, 4])
torch.Size([3, 4])
torch.FloatTensor
2
12
tensor([[0.1810, 0.5168],
[0.9859, 0.1294],
[0.9262, 0.6952]])
float32
#Tensor的操作1
import torch
x = torch.ones(2,3)
print(x)
print(x.type())
x = x.long()
print(x.type())
x = x.float()
print(x.type())y = torch.rand(3,4)
print(y)
#沿着行取最大值
maxval,maxindex = torch.max(y,dim=1)
print(maxval,'\n',maxindex)#沿着行对y求和
sum = torch.sum(y,dim=1)
print(sum)
tensor([[1., 1., 1.],
[1., 1., 1.]])
torch.FloatTensor
torch.LongTensor
torch.FloatTensor
tensor([[0.8910, 0.0130, 0.9600, 0.6760],
[0.5184, 0.6240, 0.9589, 0.2151],
[0.6904, 0.3474, 0.7502, 0.2055]])
tensor([0.9600, 0.9589, 0.7502])
tensor([2, 2, 2])
tensor([2.5400, 2.3164, 1.9936])
#Tensor操作2
import torchx = torch.rand(3,2)
print(x)
print(x.size())
#增加一个维度
x = x.unsqueeze(0)
print(x.size())
#减少一个维度
x = x.squeeze(0)
print(x.size())
#增加回来
x = x.unsqueeze(1)
print(x.size())
#使用permute和transpose来对矩阵维度进行变换
#permute 可以重新排列tensor的维度
#transpose 可以交换两个维度
x = x.permute(1,0,2)
print(x.size())
x = x.transpose(0,2)
print(x.size())
tensor([[0.9131, 0.2160],
[0.0987, 0.5013],
[0.1715, 0.8862]])
torch.Size([3, 2])
torch.Size([1, 3, 2])
torch.Size([3, 2])
torch.Size([3, 1, 2])
torch.Size([1, 3, 2])
torch.Size([2, 3, 1])
#使用view对tensor进行reshape
import torch
x = torch.rand(3,4,5)
print(x.shape)
x = x.view(-1,5)
print(x.size())
x = x.view(60)
print(x.shape)#两个Tensor求和
a = torch.rand(3,4)
b = torch.rand(3,4)
c = a + b
print(c)
z = torch.add(a,b)
print(z)
torch.Size([3, 4, 5])
torch.Size([12, 5])
torch.Size([60])
tensor([[0.8822, 1.3766, 1.3586, 0.8951],
[1.0096, 0.5511, 0.2035, 0.9684],
[1.2502, 0.0963, 1.3955, 0.9479]])
tensor([[0.8822, 1.3766, 1.3586, 0.8951],
[1.0096, 0.5511, 0.2035, 0.9684],
[1.2502, 0.0963, 1.3955, 0.9479]])
import torch
x = torch.ones(4,4)
print(x)
x[1:3,1:3] = 2
print(x)
tensor([[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.],
[1., 1., 1., 1.]])
tensor([[1., 1., 1., 1.],
[1., 2., 2., 1.],
[1., 2., 2., 1.],
[1., 1., 1., 1.]])
pytorch之Tensor的更多相关文章
- 对pytorch中Tensor的剖析
不是python层面Tensor的剖析,是C层面的剖析. 看pytorch下lib库中的TH好一阵子了,TH也是torch7下面的一个重要的库. 可以在torch的github上看到相关文档.看了半天 ...
- pytorch中tensor数据和numpy数据转换中注意的一个问题
转载自:(pytorch中tensor数据和numpy数据转换中注意的一个问题)[https://blog.csdn.net/nihate/article/details/82791277] 在pyt ...
- [Pytorch]Pytorch中tensor常用语法
原文地址:https://zhuanlan.zhihu.com/p/31494491 上次我总结了在PyTorch中建立随机数Tensor的多种方法的区别. 这次我把常用的Tensor的数学运算总结到 ...
- [Pytorch]Pytorch的tensor变量类型转换
原文:https://blog.csdn.net/hustchenze/article/details/79154139 Pytorch的数据类型为各式各样的Tensor,Tensor可以理解为高维矩 ...
- Pytorch的tensor数据类型
基本类型 torch.Tensor是一种包含单一数据类型元素的多维矩阵. Torch定义了七种CPU tensor类型和八种GPU tensor类型: Data tyoe CPU tensor GPU ...
- pytorch中tensor张量数据基础入门
pytorch张量数据类型入门1.对于pytorch的深度学习框架,其基本的数据类型属于张量数据类型,即Tensor数据类型,对于python里面的int,float,int array,flaot ...
- pytorch之Tensor与Variable的区别
首先在变量的操作上:Tensor对象支持在原对象内存区域上修改数据,通过“+=”或者torch.add()方法而Variable不支持在原对象内存区域上修改数据Variable对象可求梯度,并且对Va ...
- pytorch 创建tensor的几种方法
tensor默认是不求梯度的,对应的requires_grad是False. 1.指定数值初始化 import torch #创建一个tensor,其中shape为[2] tensor=torch.T ...
- pytorch中tensor的属性 类型转换 形状变换 转置 最大值
import torch import numpy as np a = torch.tensor([[[1]]]) #只有一个数据的时候,获取其数值 print(a.item()) #tensor转化 ...
随机推荐
- EDM邮件营销激活不活跃客户群的五大策略
有很多朋友给U-Mail马工大倒苦水:我邮件群发做了大量工作,可是有一些潜在消费者却始终无动于衷,你要说他没什么用吧,可是明明显示他有打开过,你把这个地址排除出去又有点可惜了,你要说他不可或缺,可是他 ...
- form表单提交行为
项目中有一个表单如下图,当我填完数据源名称这个input后,点击回车键本意是想跳到下一个input处,然而呢却触发了下面的添加这个按钮的事件,这是怎么回事呢,明明添加这个按钮并没有设置type=&qu ...
- 【[NOI2011]阿狸的打字机】
首先发现这个插入的非常有特点,我们可以直接利用这个特殊的性质在\(Trie\)树上模拟指针的进退 之后得到了\(Trie\)树,先无脑建出\(AC\)机 之后考虑一下如何写暴力 最简单的暴力对于每一个 ...
- servlet的生命周期详解
一.servlet生命周期原理解析 1.Servlet生命周期分为三个阶段: (1)初始化阶段 调用init()方法 (2)响应客户请求阶段 调用service()方法 (3)终止阶段 调用dest ...
- docker-8-本地镜像发布到阿里云
镜像的生成方法 1.前面的DockerFile 2.从容器创建一个新的镜像 docker commit [OPTIONS] 容器ID [REPOSITORY[:TAG]] 将本地镜像推送到阿里云 ...
- SpringMVC DELETE,PUT请求报错 添加支持Http的DELETE、PUT请求
SpringMVC删除与修改操作需要用DELETE,PUT请求方式提交. 但要知道浏览器form表单只支持GET与POST请求,而DELETE.PUT等method并不支持. spring3.0添加了 ...
- sys,os加glob加os.path用法
1 sys.path是python的搜索模块的路径集,是一个list 打印下大概长这样 C:\Python27\Lib\idlelib C:\Windows\system32\python27.z ...
- Mybatis Plus简介
集成 MP Mybatis-Plus 的集成非常简单,对于 Spring,我们仅仅需要把 Mybatis 自带的MybatisSqlSessionFactoryBean替换为 MP 自带的即可. &l ...
- Gradle Goodness: Add Incremental Build Support to Tasks
Gradle has a very powerful incremental build feature. This means Gradle will not execute a task unle ...
- android TextView里边实现图文混配效果
做的游戏攻略中的图文载入已经用TextView实现.但看到网易新闻里的内容.点击图片能够调到一个新的Activity ,感觉也像Textview 实现的,但不知道怎么弄,想想能够通过动态载入Textv ...