初始pytorch

定义tensor

• torch.FloatTensor（）
• torch.Tensor()

上面两种方法一般给定一个维度直接生成随机数，也可以给定现成数据，不过现成数据一般使用下面的方法。

• torch.tensor()
  torch一般使用数据类型为Double使用时需要定义torch.set_default_tensor_type(torch.DoubleTensor)
• 生成从min到max的数使用randint（1,10）
• torch.full([ ],7)生成7的标量
• torch.full([1],7)生成一维的标量

变量的shape

• a.dim直接表示几维的变量
• a.size表示具体形状
• a.shape表示其形状比如[2,3]二行三列

类似numpy的torch变量

• torch.arange(0,10)
• torch.linspace(0,10,steps=4)等分切成4份
• torch.logspace(0,-1,stept=10) 从10的0此方到10的-1次方，生成10个数
• torch.ones()
  torch.zeros()
  torch.eye()
  注意：eye只能接受一个或者两个参数，不能接受三个参数，就是只能适合于一个矩阵。

索引

a=torch.rand(4,3,28,28)
a[0].shape------->torch.size([3,28,28])
a[0,0].shape------->torch.size([28,28])
a[0,0,2,4]---------->tensor(0.8282)第一个图片第一个通道，二行四列的数据

切片

• ：all
• :n-> n:<-

• [start,end]
  

  取前两张图片啊a[1:3,:,:,:]或者a[1:3] QQ截图20190708132914.jpg
  QQ截图20190708132929.jpg
  QQ截图20190708143116.jpg
  QQ截图20190708144222.jpg

维度转换

• view的使用

b=a.view(4,28*28)
print(b.shape)

     a=torch.tensor([1.2,2.3])
     c=a.unsqueeze(-1)

    f=torch.rand(4,32,14,14)
    b=b.unsqueeze(1).unsqueeze(2).unsqueeze(0)
    b.shape
    torch.Size([1,32,1,1])

相反squeeze方法作用是将某一维度合并，但这一维度必须为1

expand操作方法

b.shape
torch.Size([1,32,1,1])
b.expand(4,32,14,14).shape
torch.Size([4,32,14,14])
b.expand(-1,32,-1,-1).shape
torch.Size([1,32,1,1])

repeate重复次数

b.shape
torch.Size([1,32,1,1])
b.repeat(4,32,1,1).shape
torch.Size([4,1024,1,1])
b.repeat(4,1,1,1).shape
torch.Size([4,32,1,1])
b.repeat(4,1,32,32)
torch.Size([4,32,32,32])

转制操作.t

a=torch.randn(3,4)
a.t()
生成4X3的矩阵只能使用2D矩阵

transpose QQ截图20190708155442.jpg

• 使用索引直接转置
  b=torch.rand(4,3,28,32)
  b.permute(0,2,3,1).shape
  torch.Size([4,28,32,3])
• 将两个向量相加
  a=torch.rand(3,32,8)
  b=torch.rand(4,32,8)
  print(torch.cat([a,b],dim=).shape)
  (7,32,8)
• 使用stack时两个张量必须维度相同

a=torch.tensor(3.14)
a.floor(),a.ceil(),a.trunc(),a.frac()
tensor(3.),tensor(4.),tensor(3.),tensor(0.1400)
四舍五入
a=torch.tensor(3.499)
a.round()
tensor(3.0)
a=torch.tensor(3.5)
a.round()
tensor(4.)

• 数据操作

a=torch.arange(8).view(2,4).float()
tensor([[0,1,2,3],
           [4,5,6,7]])
a.min(),        a.max(),       a.mean(),       a.prod()
最小值：0，最大值：7，平均值：3.5，累乘0
a.sum()
累加28
a.argmax(),          a.argmin()
不指定dim的话转化为一维索引为7，0