PyTotch之Tensor数据类型介绍_torch.tensor类型

PyTotch之Tensor数据类型介绍

Tonsor数据类型基础介绍

在PyTorch中， torch.Tensor 是存储和变换数据的主要⼯工具，并且Tensor 和NumPy的多维数组⾮非常类似， Tensor 提供GPU计算和自动求梯度等功能。

"tensor"这个单词⼀一般可译作“张量量”，张量量可以看作是⼀一个多维数组。标量量可以看作是0维张量量，向
量量可以看作1维张量量，矩阵可以看作是⼆二维张量量。

创建Tensor

在创建Tensor时，首先导入torch库

1. 创建一个a x b的未初始化的Tensor

x = torch.empty(a, b)
1

2. 创建一个a x b的随机初始化的Tensor

x = torch.rand(a, b)
1

3. 创建一个a x b的全0型Tensor

x = torch.zeros(a, b）
1

4. 根据数据([a, b])创建

x = torch.tensor([a, b])
1

5. 创建一个a x b的全1的Tensor

x = x.new_ones(a, b)
1

6. 创建根据指定类型的随机初始化的Tensor

x = torch.randn_like(x)
1

输出Tensor的shape

1. x.size()
2. x.shape

Tensor的算术操作

1. 加法运算

1. 加法一：

x = torch.rand(5,3)
y = torch.rand(5,3)
z = x + y
1
2
3

2. 加法二：

z = torch.add(x, y)
1

3. 加法三：

y.add_(x)
1

2.索引

A).类似NumPy的索引操作。
注意：索引出来的结果与原数据共享内存，也即修改一个，另一个会跟着修改

import torch
x = torch.empty(3, 5)
y = torch.rand(3, 5)
z = x[0, :]
z1 += 1		# 源Tensor也被更改了
1
2
3
4
5

输出：

print(x)
tensor([[1.9005e-19, 4.6246e+19, 1.7163e+25, 1.1866e+27, 4.8263e+19],
        [6.4072e+02, 2.8573e+32, 1.5793e-19, 2.1727e+35, 1.8971e+31],
        [1.0803e-32, 1.3563e-19, 1.3563e-19, 2.7256e+20, 1.8524e+28]])
print(y)
tensor([[0.6262, 0.4501, 0.3295, 0.5330, 0.7711],
        [0.9652, 0.9371, 0.3598, 0.4364, 0.5721],
        [0.9199, 0.3670, 0.6096, 0.5397, 0.9333]])
print(z)
tensor([1.0000e+00, 4.6246e+19, 1.7163e+25, 1.1866e+27, 4.8263e+19])
print(z1)
tensor([1.0000e+00, 4.6246e+19, 1.7163e+25, 1.1866e+27, 4.8263e+19])
1
2
3
4
5
6
7
8
9
10
11
12

B).使用函数

• index_select(input, dim, index)
  在指定维度dim上选取，比如选取某行、某列

# input:
z = torch.index_select(x, 1, torch.tensor([0, 2]))	
# output
print(z)
tensor([[8.4490e-39, 1.0194e-38],
        [9.6429e-39, 9.6429e-39],
        [9.0919e-39, 9.2755e-39]])
1
2
3
4
5
6
7

• masked_select(input, mask)

# input
mask = x.ge(0.5)
z = torch.masked_select(x, mask)
# output
print(mask)
tensor([[False,  True,  True,  True, False],
        [ True,  True, False, False,  True],
        [False,  True,  True,  True,  True]])
print(z)
tensor([1.7444e+28, 7.3909e+22, 1.8727e+31, 4.6168e+24, 4.2964e+24, 7.1345e+31,
        1.7444e+28, 7.3909e+22, 1.8727e+31, 1.3179e+25])
1
2
3
4
5
6
7
8
9
10
11

• nonzero(input)
  非0的下标

# input
z = torch.nonzero(x)
# output
print(z)
tensor([[0, 0],
        [0, 1],
        [0, 2],
        [0, 3],
        [0, 4],
        [1, 0],
        [1, 1],
        [1, 2],
        [1, 3],
        [1, 4],
        [2, 0],
        [2, 1],
        [2, 2],
        [2, 3],
        [2, 4]])
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

• gather(input, dim ,index)
  根据index，在dim维度上选取数据，输出的size与index一样

# input
z = torch.gather(x,1,torch.LongTensor([[0,0],[1,0]]))
# output
print(z)
tensor([[2.3869e-12, 2.3869e-12],
        [2.3869e-12, 5.7033e-43]])
1
2
3
4
5
6

Tips:x值均于加法示例中一致。