PyTorch学习笔记|张量的创建和形变

最近准备学习下深度学习，记录下学习内容。

安装PyTorch

建议使用anaconda，然后根据下面代码更新一下anaconda的相关环境。

conda update conda conda update anaconda conda update python conda update --all

cpu版本安装

conda install pytorch torchvision torchaudio cpuonly

张量的创建和常用方法

张量（tensor）创建和numpy库还是蛮像的，所以我这里简单贴一下代码，大家应该能很好理解，我们常用列表、元组、数组来创建。

import torch import numpy as np t = torch.tensor([1, 2]) a = torch.tensor((1, 2)) n = np.array([1,2]) b = torch.tensor(n)

张量的类型和转换

类似数组，都可以调用dtype来返回张量类型，我们这里需要好好记住，在pytorch中类型不一致，和容易报错。

先说结论，默认创建整数是int64，浮点型默认是float32。如果用np数据浮点型默认是float64。

其他类型我放在下面大家可以看看。

我们在创建的时候可以通过dtype参数来指定数据类型。

torch.tensor([1.1, 2.2], dtype = torch.int64) #tensor([1, 2])

张量的类型转换是分为隐式和显式。这个也很好理解，隐式就是如果张量元素不一样时候，就是向上转化，然后显式就是通过float()等方法进行转换。

特殊张量

全零张量，全1张量，单位矩阵，对角矩阵，随机矩阵等等，我们简单过一下。

torch.ones([2,2]) torch.eye(5) torch.rand(2,3) torch.randn(2,3) torch.randint(1,10,[2,4])

张量的维度与形变

这里的维度和numpy数组也差不多，我上面的例子都是一维的，我们当然可以创建多维的。

flatten可以将任意维度张量转换为一维张量，reshape可以任意变形。

深拷贝和浅拷贝

默认情况是浅拷贝，需要通过clone进行深拷贝。