pytorch（三）——Tensor張量的運算

注：以下均基於導入庫

import torch

• 構造方法

    常用函數

• .reshape()#變形

• .size()#返回大小

• .dim()#返回維度，即size返回的數據條目個數

• .numel()#返回元素個數，即size返回條目之積

• .dtype#查看元素類型，int默認torch.int64，bool默認torch.uint8，float默認touch.float32

• 常用計算

• .repeat() 重複

• 增減維度unsqueeze 、squeeze（不改變元素位置）

a=torch.Tensor([[1,2,3],[4,5,6]])
print(a.size())#torch.Size([2, 3])

b=a.unsqueeze(2)#括號裏爲維度增加的位置
print(b.size())#torch.Size([2, 3, 1])

c=b.squeeze(-1)#去維度
print(c.size())#torch.Size([2, 3])

• .sequeeze()可消除張量大小中大小爲1的維度

• .unsqueeze()可增加以下大小爲0的維度

• permute()/transpose()/t()張量的交換、張量的轉置、二維張量轉置

• Tensor連接cat

a=torch.Tensor([[1,2,3],[4,5,6]])
d=torch.ones([2,3])
e=torch.cat([a,d],1)
print(e)
print(torch.cat([a **i for i in range(3)],1))
#result:
# tensor([[1., 2., 3., 1., 1., 1.],
#         [4., 5., 6., 1., 1., 1.]])
# tensor([[ 1.,  1.,  1.,  1.,  2.,  3.,  1.,  4.,  9.],
#         [ 1.,  1.,  1.,  4.,  5.,  6., 16., 25., 36.]])

• 大於某個值ge

a=torch.Tensor([[1,2,3],[4,5,6]])
b=torch.Tensor([0.3,0.40,0.6,0.8,0.1])
print(b.ge(0.5))#tensor([0, 0, 1, 1, 0], dtype=torch.uint8)
print(b.ge(0.5).float())#tensor([0., 0., 1., 1., 0.])
cor=((b.ge(0.5).float()==torch.ones(5)).sum())
print(cor)#tensor(2)
print(b.size(),b.size(0))#torch.Size([5]) 5