Tensor的创建与维度查看-01

Tensor的创建与维度查看

import torch 
import numpy as np

# 最基础的Tensor()函数创建方法， 参数为Tensor的每一维大小
a =  torch.Tensor(2,2)
print(a)
>> tensor([[1.0965e-38, 4.5670e-41],
        [4.6761e+17, 4.5670e-41]])

b=torch.DoubleTensor(2,2)
print(b)
>> tensor([[0., 0.],
        [0., 0.]], dtype=torch.float64)

# 使用Python的list序列进行创建
c=torch.Tensor([[1,2],[3,4]])
print(c)
>> tensor([[1., 2.],
        [3., 4.]])

# 使用zeros()函数， 所有元素均为0
d=torch.zeros(2,2)
print(d)
>> tensor([[0., 0.],
        [0., 0.]])

# 使用ones()函数， 所有元素均为1
e=torch.ones(5,5)
print(e)
>>  tensor([[1., 1., 1., 1., 1.],
        [1., 1., 1., 1., 1.],
        [1., 1., 1., 1., 1.],
        [1., 1., 1., 1., 1.],
        [1., 1., 1., 1., 1.]])

# 使用eye()函数， 对角线元素为1， 不要求行列数相同， 生成二维矩阵
f=torch.eye(3,4)
print(f)
>> tensor([[1., 0., 0., 0.],
        [0., 1., 0., 0.],
        [0., 0., 1., 0.]])

# 使用randn()函数， 生成随机数矩阵
g=torch.randn(2,2)
print(g)
>> tensor([[ 1.4531, -1.5791],
        [ 0.7568, -0.7648]])

# 使用arange(start, end, step)函数， 表示从start到end， 间距为step， 一维向量
h=torch.arange(1,20,1)
print(h)
>> tensor([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16, 17, 18,
        19])

# 使用linspace(start, end, steps)函数， 表示从start到end， 一共steps份， 一维向量
i=torch.linspace(1,6,6)
print(i)
>> tensor([1., 2., 3., 4., 5., 6.])

# 使用randperm(num)函数， 生成长度为num的随机排列向量
j=torch.randperm(10)
print(j)
>> tensor([0, 9, 4, 1, 5, 3, 7, 8, 2, 6])

# PyTorch 0.4中增加了torch.tensor()方法， 参数可以为Python的list、 NumPy的ndarray等
k=torch.tensor([1,2,3])
print(k)
>> tensor([1, 2, 3])

import torch 

a=torch.randn(2,2)
print(a.shape)
print(a.size())
print(a.numel())
print(a.nelement())

>> torch.Size([2, 2])
>> torch.Size([2, 2])
>> 4
>> 4