張量的建立
2.依據數值建立
依據概率分布
張量是乙個多維陣列，它是標量、向量、矩陣的高維拓展。
特殊的張量：
標量——0維張量
向量——1維張量
矩陣——2維張量
variable是torch.autograd中的資料型別主要用於封裝tensor，進行自動求導。
variable的屬性有：
data：被包裝的tensor
grad：data的梯度
grad_fn: 建立tensor的function，是自動求導的關鍵
requires_grad:指示是否需要梯度
is_leaf：指示是否是葉子結點（張量）
tensor：從pytorch0.4.0版本開始，variable併入tensor中。
tensor除了擁有variable的屬性外，還有：
dtype：張量的資料型別，如torch.floattensor，torch.cuda.floattensor
shape：張量的形狀，如：(64,3,224,224)
device：張量所在裝置，gpu/cpu，是借宿的關鍵
torch.tensor(
data,
dtype=
none
, device=
none
, requires_grad=
false
, pin_memory=
false
)
data：資料，可以是list，numpy
dtype：資料型別，預設與data的一致
device：所在的裝置，cuda/cpu
requires_grad：是否需要梯度
pin_memory：是否存於鎖業記憶體
功能：從numpy建立tensor
注意：從torch.from_numpy建立的tensor與原ndarray共享記憶體，當修改其中乙個資料，另外乙個也將會被改動。
torch.zeros(
size,
out=
none
, dtype=
none
, layout=torch,strided
device=
none
requires_grad=
false
)
size:張量的形狀，如（3,3）、（3,224,224）
out：輸出的張量
layout：記憶體中的布局形式，有strided，sparse_coo（資料為稀疏矩陣時才使用）
device：所在的裝置，gpu/cpu
requires_grad：是否需要梯度
torch.zeros_like(
input_data,
dtype=
none
, layout=torch.strided,
device=
none
, requires_grad=
false
)
input_data:建立與input同形狀的全0張量
dtype：資料型別
layout：記憶體中的布局形式
功能同torch.zeros，不同之處在於建立的為全1張量
功能同torch.zeros_like()，不同點在於建立全1張量
torch.full(
size,
fill_value,
out=
none
, dtype=
none
, layout=torch.strided,
requires_grad=
false
)
功能與torch.zeros_like類似，填充某個值
torch.arange(
start=0,
end,
step=1,
out=
none
, dtype=
none
, layout=torch.strided,
device=
none
, requires_grad=
false
)
注意事項：數值區間為[start,end)左開右閉
start:數列起始值
end：數列結束值（取不到）
step：數列的公差，預設為1
torch.linspace(
start,
end,
steps=
100,
out=
none
, dtype=
none
, layout=torch.strided,
device=
none
, requires_grad=
false
)
注意事項：數值區間為[start,end] (全部能取到)
start：數列起始值
end：數列結束值
steps：數列長度（數列中元素的個數）
torch.logspace(
start,
end,
steps=
100,
base=
10.0
, out=
none
, dtype=
none
, layout=torch.strided,
device=
none
, requires_grad=
false
)
注意事項:長度為steps，底數為base
start：數列起始值
end：數列結束值
steps：數列長度（數列中元素的個數）
base：對數函式的底數，預設值為10.0
torch.eye(
n,m=
none
, dtype=
none
, layout=torch.strided,
device=
none
, requires_grad=
false
)
注意：預設為方陣
n:矩陣行數
m:矩陣列數
torch.normal(mean,std,out=
none
)
mean:均值
std：標準差
四種模式：
mean為標量，std為標量
mean為標量，std為張量
mean為張量，std為標量
mean為張量，std為張量
功能，生成標準正態分佈，大小為size。功能類似torch.zeros()
功能：生成標準正態分佈，大小為input_data的size
在區間[0,1)上生成均勻分布
torch.randint(
low=0,
high,
size,
out=
none
, dtype=
none
, layout=torch.strided,
device=
none
, requires_grad=
false
)
size:張量的形狀
torch.randperm(
n,out=
none
, dtype=torch.int64,
layout=torch.strided,
device=
none
, requires_grad=
false
)
n：張量的長度
torch.bernoulli(
input,*
, generator=
none
, out=
none
)
PyTorch學習筆記1 張量
pytorch中資料集用tensor來表示，tensor與python中的list類似，但是其內部儲存時以連續記憶體單元儲存，可以通過下標計算出記憶體位址，然後直接讀出數值，因此訪問效率很高，同時由於與numpy的記憶體儲存基本相同，所以numpy的ndarray與tensor之間轉換，不論有多少元...
pytorch 學習筆記（一） 張量
pytorch 是乙個基於 python 的科學計算包，主要定位兩類人群 tensors 類似於 numpy 的 ndarrays 同時 tensors 可以使用 gpu 進行計算。1.匯入 from future import print function import torch2.構造乙個5x...
tensorflow005 張量操作的api
固定值張量 tf.zeros shape,dtype tf.float32,name none 建立所有元素設定為零的張量。此操作返回乙個dtype具有形狀shape和所有元素設定為零的型別的張量。tf.zeros like tensor,dtype none,name none 給tensor定單...