PyTorch的基本用法

PyTorch中最基本 的 *** 作对象就是tensor，表示一个多维矩阵，比如0维矩阵就是一个点，一维矩阵就是向量，二维矩阵就是一般的矩阵，多维矩阵就相当于一个多维数组，这个numpy是对应的。

1.PyTorch张量

#产生一个张量
x=torch.Tensor(3,4)
#打印张量类型、大小、值
print("Type:{}".format(x.type()))
print("Size:{}".format(x.shape))
print("Value:\n{}".format(x))

2.构建PyTorch矩阵

#构建一个未初始化的3X5矩阵
data=torch.Tensor(3,5)
print(data)
#构建一个随机初始化的矩阵
data1=torch.rand(5,3)
print(data1)
print(data1.size())
#产生一个全0或全1矩阵
x=torch.zeros(2,3)
print(x)
x=torch.ones(3,2)
print(x)

3.pytorch列表转化为张量

#列表转化为张量
x=torch.Tensor([[1,2,3],[4,5,6]])
#打印张量大小和值
print("Size:{}".format(x.shape))
print("Values:\n{}".format(x))

4.pytorch张量与numpy的转换

#pytorch张量与numpy的转换
#导入torch和numpy
import torch
import numpy as np
#arange()生成一维数据，reshape()将一维数据转为多维数据
numpy_data=np.arange(15).reshape(3,5)
print('numpy_data',numpy_data)
#numpy转换为torch张量
torch_data=torch.from_numpy(numpy_data)
print('torch_data',torch_data)
#torch转换为numpy
numpy_data1=torch_data.numpy()
print('numpy_data1',numpy_data1)

 5.pytorch张量类型转换

x=torch.Tensor(3,4)
print("Type:{}".format(x.type()))x=x.long()
print("Type:{}".format(x.type()))