＜pytorch学习＞ 初识张量（Tensor）

工作需要，现在需要学习pytorch这个框架，从今天开始，不定期更新该系列的学习文章。

pytorch安装网上很多教程，这里不再赘述，这里只列出我们的环境。

模块说明：

numpy 1.17.4

torch 1.4.0

torchvision 0.5.0

PyTorch 是一个基于 Python 的科学计算包，主要定位两类人群：

1. NumPy 的替代品，可以利用 GPU 的性能进行计算。
2. 深度学习研究平台拥有足够的灵活性和速度。

PyTorch最核心的便是Tensors（张量），Tensors类似于Numpy的ndarrays， 同时Tensors可以使用GPU进行计算。

下面通过构造空矩阵、随机矩阵、零矩阵、直接使用数据构造矩阵、基于存在的矩阵来构建矩阵。

空矩阵（未初始化）

# -*- coding=utf-8 -*-
import torch

x = torch.empty(2,3)
print("创建矩阵\n", x)

# ------------------------------------------------------- #
创建矩阵:
 tensor([[1.7753e+28, 2.0535e-19, 4.4647e+30],
        [5.0849e+31, 1.2708e+31, 1.9433e-19]])
# ------------------------------------------------------- #
           

 随机矩阵

# -*- coding=utf-8 -*-
import torch

x = torch.rand(2,3)
print("创建矩阵:\n", x)

# ------------------------------------------------------- #
创建矩阵:
 tensor([[0.9254, 0.9848, 0.6926],
        [0.6959, 0.4285, 0.2847]])
# ------------------------------------------------------- #
           

 零矩阵

# -*- coding=utf-8 -*-
import torch

x = torch.zeros(2,3)
print("创建矩阵:\n", x)

# ------------------------------------------------------- #
创建矩阵:
 tensor([[0., 0., 0.],
        [0., 0., 0.]])
# ------------------------------------------------------- #
           

直接使用数据构造矩阵

# -*- coding=utf-8 -*-
import torch

x = torch.Tensor([[1,2,3],[4,5,6]])
print("创建矩阵:\n", x)

# ------------------------------------------------------- #
创建矩阵:
 tensor([[1., 2., 3.],
        [4., 5., 6.]])
# ------------------------------------------------------- #
           

总结

• 空矩阵：torch.empty()

• 随机矩阵：torch.rand()

• 零矩阵：torch.zeros()

• 直接数据构造矩阵：torch.Tensor()

如果需要详细用法可以查看函数原型。