了解Tensor

python里面的tensor跟tensorflow里面的tensor都表示张量，包含一些基本的运算。实际上跟numpy数组、向量、矩阵的格式基本一样。但是是专门针对GPU来设计的，可以运行在GPU上来加快计算效率。

PyTorch中定义tensor，就跟numpy定义矩阵、向量差不多，例如定义一个5×3的tensor，每一项都是0的张量：

定义一个5×3的tensor，每一项都是0的张量

可以从python的数组直接创建tensor：

从python的数组直接创建tensor

也可以直接从pytorch创建：

直接从pytorch创建Tensor

如果想看某个Tensor的形状的话，使用以下两种方法：（两种方法一样，前者更常见）

查看x的形状

常用初始化：

可以创建多维数组。里面是随机的数 创建数组，用fill函数填充参数 创建数组，里面填充随机数 创建数组，里面全为0 注意这里Tensor的每个元素赋值为0的zero没有s

Tensor基本操作：

1.tensor的切片、合并、变形、抽取操作

---

torch.cat(seq,dim=0,out=None) 把一堆tensor丢进去，按照dim指定的维度拼接、堆叠在一起

#按照0维度堆叠，对于矩阵，相当于“竖着”堆 #按照1维度堆叠，对于有矩阵，相当于“横着”拼

---

torch.chunk(tensor,chunks,dim=0)把tensor切成块，数量由chunks指定

images

---

改变形状：torch.reshape(input,shape)，把tensor作为函数的输入；

                  tensor.view(shape)，任何tensor的函数都可以。二者的返回值，都只是让我们从另一个视角看某个tensor，所以不会改变本来的形状，除非你把结果又赋值给原来的tensor。

#单纯的调用view函数，a的形状并不会变化 #调用reshape函数，a的形状依然不会变化 想让a的形状变化，比如把结果赋值给a

---

2.基本数学操作

加法：x+y；

           torch.add(x,y)  实际上.add()可以接受三个参数：torch.add(input,value,out=None),一般，如果直接torch.add(x,y),那么x,y本身都不会变化的，但是如果设置out=x,那么x久变成加和后的值。

images

特别地，若想进行in-place操作，就比方说y加上x，y的值就改变了。就可以用y.add_(x)，这样y就直接被改变了（类似用法还有x.copy_(y)）

此操作之前x为[[3,5,7]],y为[[2,3,4]]

乘法：torch.mul(input,other,out=None) 用input乘以othor

images

除法：torch.div(input,other,out=None) 用input除以other

images

指数：torch.pow(input,exponent,out=None) input的exponent次方，input为底数，exponent为指数

images

开根号：torch.sqrt(input,out=None)

images

（注意  .sqrt()操作是针对浮点型数的）

四舍五入到整数：torch.round(input,out=None)

images

argmax函数：torch.argmax(input,dim=None,keepdim=False) 返回指定维度最大值的序号，dim给的定义是：the demention to reduce.也就是把dim这个维度的，变成这个维度的最大值的index

images

取绝对值：torch.abs(input,out=None)

向上取整：torch.ceil(input,out=None)

刀削函数：torch.clamp(input,min,max,out=None) 把输入数据规范在min-max区间内，超过范围的用min、max代替

3、Torch Tensor与Numpy的互相转换

Tensor~Numpy:

直接用.numpy()即可。但是注意，转换后，numpy的变量和原来的tensor会共用底层内存地址，所以如果原来的tensor改变了，numpy变量也会随之改变.

images

Numpy~Tensor:

用torch.from_numpy()来转换.

同样，两者会共用内存地址

by PengSW_10 on 2019/2/8