Pytorch官方指南（三） 翻譯版本

TORCH

Torch Package包含多維Tensor的數據結構，並定義了它們的數學運算。此外，它還提供了許多實用程序來高效序列化Tensor和任意類型，以及其他有用的實用程序。

它有一個CUDA對應項，使您能夠在計算能力大於等於3.0的NVIDIA GPU上運行Tensor計算。

torch.is_tensor(obj)

參數：obj對象。
作用：判斷該obj對象是否爲Pytorch的tensor對象，若是函數返回True。
源碼：

def is_tensor(obj):
    r"""Returns True if `obj` is a PyTorch tensor.
    
    Args:
        obj (Object): Object to test
    """
    return isinstance(obj, torch.Tensor)

torch.is_storage(obj)

參數：obj對象。
作用：判斷該obj對象是否爲Pytorch存儲的對象，若是函數返回True。
源碼：

def is_storage(obj):
    r"""Returns True if `obj` is a PyTorch storage object.

    Args:
        obj (Object): Object to test
    """
    return type(obj) in _storage_classes

torch.is_floating_point(input) -> (bool)

參數：Tensor對象。
作用：判斷該Tensor對象是否爲Pytorch浮點型對象（torch.float64, torch.float32 或 torch.float16），若是函數返回True。
例子：
···

torch.set_default_dtype(d)

參數：torch.float64, torch.float32 或 torch.float16。
作用：設置Tensor的默認浮點類型，系統默認是 torch.float32。
例子：

>>> torch.tensor([1.2, 3]).dtype           # 初始化默認torch.float32。
torch.float32
>>> torch.set_default_dtype(torch.float64)
>>> torch.tensor([1.2, 3]).dtype           # 更改默認浮點類型爲torch.float64。

torch.get_default_dtype() → torch.dtype

參數：無。
作用：得到Tensor的默認浮點類型。
例子：

>>> torch.get_default_dtype()  # 初始化默認類型torch.float32。
torch.float32
>>> torch.set_default_dtype(torch.float64)
>>> torch.get_default_dtype()  # 默認類型更改爲torch.float64。
torch.float64
>>> torch.set_default_tensor_type(torch.FloatTensor)  # 設置tensor類型也會影響這個。
>>> torch.get_default_dtype()  # 改變爲torch.FloatTensor對應的torch.float32類型。
torch.float32

torch.set_default_tensor_type(t)

參數：t (python:type or string) – 浮點tensor類型或它的名字(string)。
作用：將默認torch.Tensor類型設置爲浮點Tensor類型 t。此類型也將用作torch.Tensor()中默認浮點類型。默認的浮點張量類型最初是torch.FloatTensor。
例子：

>>> torch.tensor([1.2, 3]).dtype    # 初始化浮點類型torch.float32
torch.float32
>>> torch.set_default_tensor_type(torch.DoubleTensor)
>>> torch.tensor([1.2, 3]).dtype    # 一個新的浮點類型
torch.float64

torch.numel(input) → int

參數：input (Tensor) – 輸入一個Tensor。
作用：返回這個Tensor所有元素的總數。
例子：

>>> a = torch.randn(1, 2, 3, 4, 5)
>>> torch.numel(a)
120
>>> a = torch.zeros(4,4)
>>> torch.numel(a)
16