概述
基本用法
创建矩阵
- 创建一个空矩阵
torch.empty(5,3)
输出：
tensor([[1.3075e-16, 7.6791e-43, 1.3075e-16],
[7.6791e-43, 1.3074e-16, 7.6791e-43],
[1.3074e-16, 7.6791e-43, 1.3076e-16],
[7.6791e-43, 1.3076e-16, 7.6791e-43],
[1.3071e-16, 7.6791e-43, 1.3071e-16]])
- 创建一个随机矩阵
x = torch.rand(5,3)
x
输出：
tensor([[0.8672, 0.3056, 0.1783],
[0.3730, 0.5800, 0.2491],
[0.6651, 0.8869, 0.0605],
[0.6125, 0.9757, 0.8002],
[0.1267, 0.3642, 0.7563]])
- 构建一个全零矩阵
x = torch.zeros(5,3,dtype=torch.long)
x
输出：
tensor([[0, 0, 0],
[0, 0, 0],
[0, 0, 0],
[0, 0, 0],
[0, 0, 0]])
- 直接传入数据
x = torch.tensor([5.5, 3])
x
输出：
tensor([5.5000, 3.0000])
- 展示矩阵大小
x = x.new_ones(5,3,dtype=torch.double)
x.size()
输出：
torch.Size([5, 3])
矩阵加法
- 变量相加
y = torch.rand(5,3)
x + y
输出：
tensor([[1.7848, 1.2468, 1.8519],
[1.5889, 1.2613, 1.6896],
[1.3827, 1.1131, 1.6519],
[1.1678, 1.7921, 1.1941],
[1.6125, 1.6250, 1.7618]], dtype=torch.float64)
- 使用torch方法
torch.add(x,y)
输出：
tensor([[1.7848, 1.2468, 1.8519],
[1.5889, 1.2613, 1.6896],
[1.3827, 1.1131, 1.6519],
[1.1678, 1.7921, 1.1941],
[1.6125, 1.6250, 1.7618]], dtype=torch.float64)
可以看到使用torch.add方法与变量直接相加是一致的。
索引
与Numpy协同操作
torch可以非常方便与numpy的数据类型进行转换。
参考
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
文章由半码博客整理，本文链接：https://www.bmabk.com/index.php/post/100225.html
