©2020-2024 ioDraw All rights reserved,
Privacy Policy
<>创建tensor
<>非随机创建
<>1.用数组创建
#首先导入PyTorch import torch #数组创建 import numpy as np a=np.array([2,3.3])#维度为一的矩阵
torch.from_numpy(a)#转化为tensor #out:tensor([2.0000, 3.3000], dtype=torch.float64)
a=np.ones([2,3])#2行3列全为1 torch.from_numpy(a) '''out tensor([[1., 1., 1.], [1.,
1., 1.]], dtype=torch.float64) ''' torch.zeros(3,3) ''' tensor([[0., 0., 0.],
[0., 0., 0.], [0., 0., 0.]]) ''' torch.eye(3,3)#不适用于3维以上 ''' tensor([[1., 0.,
0.], [0., 1., 0.], [0., 0., 1.]]) ''' torch.ones(3,3) ''' tensor([[1., 1., 1.],
[1., 1., 1.], [1., 1., 1.]]) '''
<>2.给定数字直接创建
#直接用用给定的数字创建tensor torch.tensor([2.,3.2])#list，小写tensor接受的是现有的数据
#out:tensor([2.0000, 3.2000])
<>3.创建空的tensor
#创建一个空的tensor,数字随机 torch.empty(1)#未初始化的维度1的数据 #out：tensor([-1.8860e+26])
#Torch.FloatTensor(d1, d2, d3) torch.Tensor(2,3)#创建一个2行3列的数,默认float类 '''out:
tensor([[2.5353e+30, 2.8026e-44, 8.0519e-42], [9.4081e-39, 7.8194e-25,
2.5353e+30]])''' torch.IntTensor(2,3)#创建2行3列的整数 #注意会出现数据非常大或者非常小的情况，要记得覆盖数据
'''out tensor([[1912602624, 20, 5746], [ 6713856, 393347072, 1912602624]],
dtype=torch.int32) '''
<>4.如何更改默认类型
torch.set_default_tensor_type(torch.DoubleTensor)#设置默认类型为double
<>随机初始化
<>1.产生0-1之间
采用rand随即产生0-1之间的数字填充在创建的张量中
a=torch.rand(3,3)#随机2行3列数据，01之间 ''' tensor([[0.5724, 0.5070, 0.7747], [0.0624,
0.9298, 0.5318], [0.8444, 0.1081, 0.1214]]) ''' torch.rand_like(a)
#_like代表的就是tensor函数，随机生成一个像a一样的3行3列的数 ''' tensor([[0.1703, 0.8234, 0.6707],
[0.2379, 0.7012, 0.6451], [0.6607, 0.2193, 0.7388]]) '''
<>2.自定义区间
randiant自定义区间
torch.randint(1,10,[3,3])#自定义区间，最大值不包含在区间内 #区间1-10，数据是3*3的矩阵
<>3.自定义均值和方差
#自定义均值和方差 torch.normal(mean=torch.full([10],0.),std=torch.arange(1,0.,-0.1))
#torch.full([10],0.)生成度为10，均值为0 #std=torch.arange(1,0.,-0.1)，方差在慢慢减少
<>4.重复数
tensor中的数字一样
#生成2行3列全是7 torch.full([2,3],7)
<>arange/range
#生成0-9数 torch.arange(0,10) #tensor([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
#range在torch中不建议使用 torch.range(0,10)
<>linspace/logspace等分¶
#边包含[0,10]，等分切steps个数字 torch.linspace(0,10,steps=4) #tensor([ 0.0000, 3.3333,
6.6667, 10.0000]) #返回logx torch.logspace(0,-1,steps=10) #tensor([1.0000,
0.7743, 0.5995, 0.4642, 0.3594, 0.2783, 0.2154, 0.1668, 0.1292,0.1000])
<>randperm
torch.randperm(10)#0-9之间随机生成,随即打散 #tensor([2, 6, 4, 9, 1, 3, 7, 0, 8, 5]) #掉换行
a=torch.rand(3,3) b=torch.rand(3,2) idx=torch.randperm(3) a,b,idx '''
(tensor([[0.5896, 0.2464, 0.6245], [0.0282, 0.2187, 0.4708], [0.8680, 0.9148,
0.7411]]), tensor([[0.7101, 0.0145], [0.3003, 0.3720], [0.4903, 0.2437]]))
tensor([0, 2, 1])''' idx=torch.randperm(3) idx #tensor([2, 1, 0]) a[idx]
#给a做索引，相反 b[idx]#idx保持一致，随机打散的种子 ''' tensor([[0.8680, 0.9148, 0.7411], [0.0282,
0.2187, 0.4708], [0.5896, 0.2464, 0.6245]]) tensor([[0.4903, 0.2437], [0.3003,
0.3720], [0.7101, 0.0145]])'''