Pytorch系列：Pytorch的簡單操作(二) ---- 張量的創建

一、Tensor概念

張量是一個多維數組，它是標量、向量、矩陣的高維拓展。張量是三維及以上的數組。

標量：是一個常數，爲0維張量
向量：是一行或者一列數組成，爲1維張量
矩陣：包含行和列兩個維度。是2維張量。

torch.Tensor包含的屬性：

dtype：張量的數據類型，如torch.FloatTensor
shape：張量的形狀，如(64, 3, 224, 224)
device：張量所在的設備，GPU/CPU
data：被包裝的Tensor
grad：data的梯度
grad_fn：創建Tensor的Function，是自動求導的關鍵
requires_grad：指示是否需要梯度
is_leaf：指示是否是葉子結點

二、Tensor創建：直接創建

1. torch.tensor(data, dtype=None, device=None)

功能：從data創建tensor
參數：

data：數據，可以是list，numpy
dtype：數據類型，默認與data一致
device：所在設備，cpu或gpu
requires_grad：是否需要梯度
pin_memory：是否存於鎖頁內存

import torch
import numpy as np

arr = np.ones((3, 3))
print("arr的數據類型：", arr.dtype)

t = torch.tensor(arr)
print("t的數據類型：", t.dtype)

arr的數據類型： float64
t的數據類型： torch.float64

2. torch.from_numpy(ndarray)

功能： 從numpy創建tensor
參數：

ndarray：numpy數據

**注意事項：**用此方法創建的tensor與原ndarray共享內存，當修改其中要給的數據，另外要給也將會被改動。

import torch
import numpy as np

# 創建ndarray數組
arr = np.array([[1, 2, 3], [4, 5, 6]])
# 轉化爲tensor
t = torch.from_numpy(arr)
print("numpy array:", arr)
print('tensor', t)

# 修改arr
arr[0, 0] = 0
print("numpy array:", arr)
print('tensor', t)

numpy array: [[1 2 3]
 [4 5 6]]
tensor tensor([[1, 2, 3],
        [4, 5, 6]], dtype=torch.int32)
numpy array: [[0 2 3]
 [4 5 6]]
tensor tensor([[0, 2, 3],
        [4, 5, 6]], dtype=torch.int32)

三、Tensor創建：依據數值創建

1. torch.zeros()

功能： 依據size創建全0張量
參數：

size：張量的形狀
out：輸出的張量，將生成的張量複製給其他變量
layout：內存中佈局形式
device：所在設備
requires_grad：是否需要梯度

>>> out_t = torch.tensor([1])
>>> t = torch.zeros((3, 3), out=out_t)
>>> print(t, '\n', out_t)
tensor([[0, 0, 0],
        [0, 0, 0],
        [0, 0, 0]])
 tensor([[0, 0, 0],
        [0, 0, 0],
        [0, 0, 0]])
>>> print(id(t), id(out_t), id(t) == id(out_t))
2873909788608 2873909788608 True

2. torch.zeros_like()

功能： 依input形狀創建全0張量
參數：

input：創建與input同形狀的全0張量
dtype：數據類型
layout：內存中佈局形式

>>> input = torch.tensor((2, 2))
>>> torch.zeros_like(input)
tensor([0, 0])

3. torch.ones()

功能： 創建全爲1的張量
參數：

size：張量的形狀
out：輸出的張量，將生成的張量複製給其他變量
layout：內存中佈局形式
device：所在設備
requires_grad：是否需要梯度

4. torch.ones_like()

功能： 依input形狀創建全1張量
參數：

input：創建與input同形狀的全0張量
dtype：數據類型
layout：內存中佈局形式

5. torch.full()

功能： 依據fill_value的值，創建形狀爲size的張量。
參數：

size：張量的形狀
fill_value：張量的值

>>> torch.full((3, 3), 2)
tensor([[2., 2., 2.],
        [2., 2., 2.],
        [2., 2., 2.]])

6. torch.full_like()

功能： 創建值爲fill_value，形狀與input相同的張量
參數：

input：張量的形狀
fill_value：張量的值

>>> input = torch.zeros((3, 3))
>>> torch.full_like(input, 7)
tensor([[7., 7., 7.],
        [7., 7., 7.],
        [7., 7., 7.]])

7. torch.arange()

功能： 創建等差的1維張量
參數：

start：數列起始值
end：數列結束值
step：數列公差，默認爲1

注意事項： 數列區間爲[start, end)

>>> t = torch.arange(2, 10, 2)
>>> print(t)
tensor([2, 4, 6, 8])

8. torch.linspace()

功能： 創建均分的1維張量
參數：

start：數列起始值
end：數列結束值
step：數列長度

注意事項： 數值區間爲[start, end]

>>> torch.linspace(1, 10, 10)
tensor([ 1.,  2.,  3.,  4.,  5.,  6.,  7.,  8.,  9., 10.])

9. torch.logspace()

功能： 創建對數均分的1維張量
參數：

start：數列起始值
end：數列結束值
step：數列長度
base：對數函數的底，默認爲10

注意事項： 長度爲steps，底爲base

>>> torch.logspace(1, 10, 5)
tensor([1.0000e+01, 1.7783e+03, 3.1623e+05, 5.6234e+07, 1.0000e+10])

10. torch.eye()

功能： 創建單位對角矩陣(2維張量)
參數：

n：矩陣行數
m：矩陣列數

注意事項： 默認爲方陣

>>> torch.eye(4, 4)
tensor([[1., 0., 0., 0.],
        [0., 1., 0., 0.],
        [0., 0., 1., 0.],
        [0., 0., 0., 1.]])

四、Tensor創建：依據概率創建

1. torch.normal()

功能： 生成正態分佈（高斯分佈）
參數：

mean：均值
std：標準差

# mean爲張量，std爲張量
>>> mean = torch.arange(1, 5, dtype=torch.float)
>>> std = torch.arange(1, 5, dtype=torch.float)
>>> t_normal = torch.normal(mean, std)
>>> print("mean:{}\nstd:{}".format(mean, std))
mean:tensor([1., 2., 3., 4.])
std:tensor([1., 2., 3., 4.])
>>> print(t_normal)
tensor([ 0.6897, -0.1125,  1.2535, -1.3677])

2. torch.randn()

功能： 生成標準正態分佈
參數：

size：張量的形狀

>>> torch.randn((3, 3))
tensor([[ 1.8161,  0.3164, -0.8697],
        [-0.6198, -0.4942,  0.7151],
        [-2.1771,  1.7853, -0.0611]])

3. torch.rand()

功能： 在區間[0,1)上，生成均勻分佈
參數：

size：張量的形狀

>>> torch.rand((2, 2))
tensor([[0.6209, 0.6984],
        [0.7671, 0.7405]])

4. torch.randint()

功能： 在區間[low,high)上，生成整數均勻分佈
參數：

size：張量的形狀

>>> torch.randint(1, 10, size=(3, 3))
tensor([[7, 5, 7],
        [4, 1, 1],
        [9, 1, 3]])

5. torch.randperm()

功能： 生成從0–n-1的隨機排列
參數：

n：張量的長度

>>> torch.randperm(10)
tensor([3, 8, 9, 1, 7, 2, 4, 0, 5, 6])

6. torch.bernoulli(input)

功能： 以input爲概率，生成伯努利分佈
參數：

input：概率值

>>> torch.bernoulli(torch.tensor([0.3]))
tensor([0.])
>>> torch.bernoulli(torch.tensor([0.6]))
tensor([1.])

勤奮的小學生

發佈了101 篇原創文章 · 獲贊 84 · 訪問量 11萬+

私信關注