創建Tensor
- 從numpy引入 torch.from_numpy()
a = np.array([2,3])
torch.from_numpy(a)
- 使用list導入，不用numpy作爲載體
torch.tensor([2,3.3]) #具體的數據作爲參數
torch.Tensor(2,3) #size作爲參數
-
torch.tensor()與torch.Tensor()
torch.tensor()生成的Tensor會根據括號裏邊的參數類型而自動修改類型， 而FloatTensor，IntTensor，DoubleTensor則一開始就定義好了參數類型。 -
隨機初始化生成Tensor rand/rand_like/randint/randn
a = torch.rand(2,3) #rand生成0-1之間的數
b = torch.rand_like(a) #生成一個與a形狀相同的Tensor
c = torch.randint(1,10,[3,3]) #生成一個1到10(不包括10)之間的[3,3]的Tensor
d = torch.randn(3,3) #生成0到1之間的[3,3]的Tensor
- 賦值生成Tensor
torch.full([2,3],7) #生成兩行三列每個值爲7的Tensor
- arange/range
torch.arange(0,10) #[0,1,2,3,4,5,6,7,8,9]
torch.arange(0,10,2) #[0,2,4,6,8]
- linspace/logspace
torch.linspace(0,10,4) #生成0-10之間的四個等分數
torch.logspace(0,10,4) #生成log0-log10之間的四個等分數
- Ones/zeros/eye
torch.ones(3,3)
torch.zeros(3,3)
torch.eye(3) #對角矩陣
- randperm隨機打散
torch.randperm(10) #生成0-10之間隨機打亂的Tensor
索引與切片
- 最常見的索引
a = torch.rand(4,3,28,28) #4張圖片3個通道28*28的圖片
a[0,0,2,4] #第1張圖第1個通道，第2行第4列
- 取連續片段
a = torch.rand(4,3,28,28)
a[:2].shape #第0張和第1張圖片的所有數據,[2,3,28,28]
a[:2,:1,:,:] #[2,1,28,28]
a[:,:,0:28:2,0:28:2]
a[:,:,::2,::2]
-
index_select()
a.index_select(0,torch.tensor([0,2])).shape
a = torch.rand(4,3,28,28)
a.index_select(0,torch.tensor([0,2])).shape
#0表示第0個維度，
維度變換
- view()
a = torch.rand(2,3)
#tensor([[0.6165, 0.5740, 0.5052],
# [0.8733, 0.4058, 0.8350]])
a.view(1,2*3)
#tensor([[0.6165, 0.5740, 0.5052, 0.8733, 0.4058, 0.8350]])
- unsqueeze()展開,插入一個維度
a = torch.rand(4,1,28,28)
a.unsqueeze(0).shape #[1,4,1,28,28]
a.unsqueeze(-1).shape #[4,1,28,28,1]
a.unsqueeze(4).shape #[4,1,28,28,1]
a.unsqueeze(-4).shape #[4,1,1,28,28]
- squeeze()維度刪減
刪除維度爲1的數據
a = torch.arand(1,32,1,1)
a.squeeze().shape #[32]
a.squeeze(1).shape #[1,32,1,1]
a.squeeze(-1).shape #[1,32,1]
- expand() 維度擴展
b = torch.rand(1,32,1,1)
b.expand(4,32,14,14) #[4,32,14,14]
b.expand(-1,32,-1,-1) #[1,32,1,1]
- repeat() 複製
b = torch.rand(1,32,1,1)
b.repeat(4,32,1,1) #[4,1024,1,1]
b.repeat(4,1,1,1) #[4,32,1,1]