Tensors該怎么入門

本篇文章為大家展示了Tensors該怎么入門，內(nèi)容簡明扼要并且容易理解，絕對能使你眼前一亮，通過這篇文章的詳細(xì)介紹希望你能有所收獲。

創(chuàng)新互聯(lián)-成都網(wǎng)站建設(shè)公司，專注成都網(wǎng)站設(shè)計(jì)、成都網(wǎng)站建設(shè)、網(wǎng)站營銷推廣，域名申請，網(wǎng)絡(luò)空間，綿陽服務(wù)器托管有關(guān)企業(yè)網(wǎng)站制作方案、改版、費(fèi)用等問題，請聯(lián)系創(chuàng)新互聯(lián)。

一、入門

1.Tensors（張量）

Tensors（張量）類似于NumPy中的ndarray，另外它還可以使用GPU加速計(jì)算。

from__future__import print_function
importtorch

構(gòu)造一個(gè)未初始化的5x3矩陣：

x = torch.empty(5, 3)
print(x)

輸出：

tensor([[-9.0198e-17,  4.5633e-41, -2.9021e-15],
       [ 4.5633e-41,  0.0000e+00,  0.0000e+00],
       [ 0.0000e+00,  0.0000e+00,  0.0000e+00],
       [ 0.0000e+00,  0.0000e+00,  0.0000e+00],
       [ 0.0000e+00,  0.0000e+00,  0.0000e+00]])

構(gòu)造一個(gè)隨機(jī)初始化的矩陣：

x = torch.rand(5, 3)
print(x)

輸出：

tensor([[0.1525, 0.7689, 0.5664],
       [0.7688, 0.0039, 0.4129],
       [0.9979, 0.3479, 0.2767],
       [0.9580, 0.9492, 0.6265],
       [0.2716, 0.6627, 0.3248]])

構(gòu)造一個(gè)使用零填充、數(shù)據(jù)類型為long（長整型）的5X3矩陣：

x = torch.zeros(5, 3, dtype=torch.long)
print(x)

輸出：

tensor([[0, 0, 0],
       [0, 0, 0],
       [0, 0, 0],
       [0, 0, 0],
       [0, 0, 0]])

直接用一組數(shù)據(jù)構(gòu)造Tensor（張量）：

x = torch.tensor([5.5, 3])
print(x)

輸出：

tensor([5.5000, 3.0000])

或者根據(jù)現(xiàn)有的Tensor（張量）創(chuàng)建新的Tensor（張量）。除非用戶提供新值，否則這些方法將重用輸入張量的屬性，例如dtype：

x = x.new_ones(5, 3, dtype=torch.double)  # 使用new_* 方法設(shè)定維度
print(x)

x = torch.randn_like(x, dtype=torch.float)   # 重新設(shè)定數(shù)據(jù)類型
Print(x)                                   # 結(jié)果維度不變

輸出：

tensor([[1., 1., 1.],
       [1., 1., 1.],
       [1., 1., 1.],
       [1., 1., 1.],
       [1., 1., 1.]], dtype=torch.float64)

tensor([[ 0.4228,  0.3279,  0.6367],
       [ 0.9233, -0.5232, -0.6494],
       [-0.1946,  1.7199, -0.1954],
       [ 0.1222,  0.7204, -1.3328],
       [ 0.1230, -0.5800,  0.4562]])

輸出它的大?。?/p>

print(x.size())

輸出：

torch.Size([5, 3])

【注意：torch.Size 實(shí)際上是一個(gè)元組，因此它支持所有元組操作。】

2. 運(yùn)算

Tensor運(yùn)算有多種語法。在下面的示例中，我們將先示例加法運(yùn)算。

加法運(yùn)算：語法1

y = torch.rand(5, 3)
print(x + y)

輸出：

tensor([[ 0.0732,  0.9384, -0.2489],
       [-0.6905,  2.1267,  3.0045],
       [ 0.6199,  0.4936, -0.0398],
       [-2.0623, -0.5140,  1.6162],
       [ 0.3189, -0.0327, -0.5353]])

加法運(yùn)算：語法2

print(torch.add(x, y))

輸出：

tensor([[ 0.0732,  0.9384, -0.2489],
       [-0.6905,  2.1267,  3.0045],
       [ 0.6199,  0.4936, -0.0398],
       [-2.0623, -0.5140,  1.6162],
       [ 0.3189, -0.0327, -0.5353]])

加法運(yùn)算：使用輸出Tensor（張量）作為參數(shù)

result = torch.empty(5, 3)
torch.add(x, y, out=result)

print(result)

輸出：

tensor([[ 0.0732,  0.9384, -0.2489],
       [-0.6905,  2.1267,  3.0045],
       [ 0.6199,  0.4936, -0.0398],
       [-2.0623, -0.5140,  1.6162],
       [ 0.3189, -0.0327, -0.5353]])

加法運(yùn)算：內(nèi)聯(lián)接

# adds x to y
y.add_(x)
print(y)

輸出：

tensor([[ 0.0732,  0.9384, -0.2489],
       [-0.6905,  2.1267,  3.0045],
       [ 0.6199,  0.4936, -0.0398],
       [-2.0623, -0.5140,  1.6162],
       [ 0.3189, -0.0327, -0.5353]])

【注意：任何改變原張量實(shí)現(xiàn)內(nèi)聯(lián)接的操作都是通過在后邊加_ 實(shí)現(xiàn)的。例如：x.copy_(y)，x.t_()，將將改變x的值?！?/p>

你可以像在NumPy中一樣使用索引及其他所有華麗的功能。

print(x[:, 1])

輸出：

tensor([ 0.3279, -0.5232,  1.7199,  0.7204, -0.5800])

Resizing（調(diào)整大小）：如果要resize/reshape張量，可以使用torch.view：

x = torch.randn(4, 4)
y = x.view(16)
z = x.view(-1, 8)  # -1是推斷出來的

print(x.size(), y.size(), z.size())

輸出：

torch.Size([4, 4])  torch.Size([16])  torch.Size([2, 8])

如果你有只含一個(gè)元素的張量，可以用.item()獲取它的值作為Python數(shù)值

x = torch.randn(1)

print(x)

print(x.item())

輸出：

tensor([0.1550])

0.15495021641254425

【延伸閱讀：100+張量操作，包括置換，索引，切片，數(shù)學(xué)運(yùn)算，線性代數(shù)，隨機(jī)數(shù)等等，被詳細(xì)描述在這里

（https://pytorch.org/docs/torch）?！?/p>

二、NUMPY橋接器

將Torch Tensor轉(zhuǎn)換為NumPy array是一件輕而易舉的事（反之亦然）。Torch Tensor和NumPyarray共享其底層內(nèi)存位置，更改一個(gè)將改變另一個(gè)。

1.將Torch Tensor轉(zhuǎn)換為NumPy array

a = torch.ones(5)

print(a)

輸出：

tensor([1., 1., 1., 1., 1.])

b = a.numpy()

print(b)

輸出：

[1. 1. 1. 1. 1.]

了解numpyarray的值如何變化。

a.add_(1)

print(a)

print(b)

輸出：

tensor([2., 2., 2., 2., 2.])

[2. 2. 2. 2. 2.]

2. 將NumPy array轉(zhuǎn)換為Torch Tensor

了解如何自動(dòng)地將np array更改為Torch Tensor

import numpy as np

a = np.ones(5)
b = torch.from_numpy(a)
np.add(a, 1, out=a)

print(a)
print(b)

輸出：

[2. 2. 2. 2. 2.]

tensor([2., 2., 2., 2., 2.], dtype=torch.float64)

除了Char（字符型）Tensor之外，CPU上的所有Tensors都支持轉(zhuǎn)換為NumPy及返回。

三、CUDA TENSORS（張量）

可以使用.to方法將張量移動(dòng)到任何設(shè)備上。

# 僅當(dāng)CUDA可用的情況下運(yùn)行這個(gè)cell
# 我們用 ``torch.device`` 對象實(shí)現(xiàn)tensors在GPU上的寫入與讀出if torch.cuda.is_available():

   device = torch.device("cuda")          # 一個(gè) CUDA 終端對象

   y = torch.ones_like(x, device=device)  # 直接在GUP上創(chuàng)建Tensor
   x = x.to(device)                # 或者直接使用字符串`.to("cuda")``
   z = x + y

   print(z)
   print(z.to("cpu", torch.double))     # `.to`` 也可以改變對象數(shù)據(jù)類型

輸出：

tensor([2.4519], device='cuda:0')

tensor([2.4519], dtype=torch.float64)

腳本總運(yùn)行時(shí)間：（0分6.338秒）

上述內(nèi)容就是Tensors該怎么入門，你們學(xué)到知識或技能了嗎？如果還想學(xué)到更多技能或者豐富自己的知識儲(chǔ)備，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道。

當(dāng)前文章：Tensors該怎么入門
瀏覽地址：http://jinyejixie.com/article46/gggdeg.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供App設(shè)計(jì)、企業(yè)網(wǎng)站制作、自適應(yīng)網(wǎng)站、定制網(wǎng)站、網(wǎng)站排名、網(wǎng)站設(shè)計(jì)公司

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源：創(chuàng)新互聯(lián)

猜你還喜歡下面的內(nèi)容

成人午夜视频全免费观看高清-秋霞福利视频一区二区三区-国产精品久久久久电影小说-亚洲不卡区三一区三区一区

Tensors該怎么入門

三、CUDA TENSORS（張量）

三、CUDA TENSORS（張量）