pytorch中的Tensor与Numpy的数组具有极高的相似性。
Tensor的数据类型
import torch
- torch.FloatTensor()用于生成数据类型为浮点型的Tensor,参数可以是一个列表，也可以是一个维度值
- torch.IntTensor()用于生成数据类型为整型的Tensor,参数可以是一个列表，也可以是一个维度值
- torch.rand(2,3)用于生成浮点型，且维度指定的随机Tensor,生成的浮点数据在0~1区间均匀分布。
- torch.randn(2,3)用于生成浮点型，且维度指定的随机Tensor,生成的浮点数据满足均值为0，方差为1的正态分布
- torch.range(1,20,1)用于生成浮点型且自定义起始范围和结束范围的Tensor。参数分别代表：起始值，结束值，步长
- torch.zeros(2,3)用于生成浮点型，且维度指定的Tensor,元素值全为0
Tensor的运算
- torch.abs(a)返回输入参数的绝对值，输入参数必须是一个Tensor数据类型的变量
- torch.add(a,b)或者torch.add(a,3)返回输入参数的求和结果，输入参数既可以全部是Tensor数据类型的变量，也可以一个是Tensor数据类型的变量，一个是标量
- torch.clamp(a,0,1)对输入参数按照自定义范围进行裁剪。三个参数分别是，需要裁剪的Tensor数据类型的变量，裁剪的上边界和下边界。每个元素都和上下边界进行比较，若是大于上边界，该元素就被重写为上边界的值，若是小于下边界，该元素就重写成下边界的值。
- torch.div(a,b)或者torch.div(d,3)返回输入参数的求商结果。输入参数既可以全部是Tensor数据类型的变量，也可以一个是Tensor数据类型的变量，一个是标量
- torch.mul()返回输入参数求积的结果，输入参数和上一条相同
- torch.pow()返回输入参数的求幂结果，输入参数和上一条相同
- torch.mm(a,b)返回输入参数求积的结果,torch.mm()运用矩阵之间的乘法规则.a的列数要等于b的行数
- torch.mv()返回输入参数求积的结果，是矩阵和向量相乘，第一个参数矩阵，第二个参数向量。