【pytorch04】创建Tensor

2024-06-23 12:12

文章标签 创建 tensor pytorch04

本文主要是介绍【pytorch04】创建Tensor，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

numpy中的数据创建tensor

在这里插入图片描述
数据已经在numpy中了，将numpy中的数据转到tensor中来，因为我们将使用tensor在GPU上进行加速运算
从NUMPY导入的FLOAT其实是DOUBLE类型

list中的数据创建tensor

在这里插入图片描述
FloatTensor()和大写的Tensor()接收的是shape（即数据的维度）,当让也可以接收现有的数据，
接收数据时必须用list表示，接收shape时不需要中括号的(2,3)

小写的tensor()接收的是现有的数据

建议使用小写的给现成的数据，使用大写的情况少用

生成未初始化的数据

Torch.empty()
Torch.FloatTensor(d1,d2,d3)
- Not torch.FloatTensor([1,2]) = torch.tensor([1,2])
Torch.IntTensor(d1,d2,d3)
加的都是shape

在这里插入图片描述

设置默认数据类型

pytorch的默认类型是FloatTensor
增强学习一般使用double，其他一般使用float
在这里插入图片描述

随机初始化

[0,1] 均匀的采样在0~1之间
[min,max)
*_like

在这里插入图片描述
rand_like(a) 把a.shape读出来再送给random函数
randint(1,10,[3,3])第一个参数是最小值，第二个参数是最大值，第三个参数是shape

正态分布

N(0,1)
N(u,std)

randn(3,3) 初始化，均值为0方差为1，因此它的值可能会集中在0附近，会有一个方差为1的波动，基本在0的附近波动，因为方差比较大，所以会在一个大的范围之内跳动

torch.normal(mean=torch.full([10],0),std=torch.arange(1,0,-0.1))可以自定义均值和方差，例如要抽样3×3的正态分布的数据，先把3×3打平成9，再给出一个维度为9的list [9]的这样的均值mean,在给定一个维度为9的这样的方差std，因为3×3的tensor都是采样于同一个正态分布所以这9个数据所有的均值和方差都是一样的

torch.normal(mean=torch.full([10],0),std=torch.arange(1,0,-0.1))
full([10],0)是生成长度为10但是都为0这样的向量[0,0,0,0,0,0,0,0,0,0]
方差的话是从1到0慢慢的减小[1.0,0.9,0.8,0.7,0.6,0.5,0.4,0.3,0.2,0.1]arange不包含右边界也就是不包含0

生成的这个数据一共有十个方差，第一个方差会比比较大，所以跳动的返回比较大，后面会慢慢收敛

得到了一个dimension为1长度为10的tensor
可以用reshape改变形态