张量

张量是一种特殊的数据结构，与数组和矩阵非常相似。在 PyTorch 中，我们使用张量对模型的输入和输出以及模型的参数进行编码。

张量可以在 GPU 或其他硬件加速器上运行

初始化张量

张量可以直接从数据中创建。数据类型是自动推断的。

import torch
import numpy as np

# 方式一 直接从数据创建
data = [[1, 2],[3, 4]]
x_data = torch.tensor(data)

# 方式二 从numpy数组
np_array = np.array(data)
x_np = torch.from_numpy(np_array)

# 方式三 从另一个张量
x_ones = torch.ones_like(x_data) # 保留数据
print(f"Ones Tensor: \n {x_ones} \n")

x_rand = torch.rand_like(x_data, dtype=torch.float) # 覆盖数据
print(f"Random Tensor: \n {x_rand} \n")

# 方式四 使用随机值或常量值
# shape是张量维度的元组，决定了输出张量的维度
shape = (2,3,)
rand_tensor = torch.rand(shape)
ones_tensor = torch.ones(shape)
zeros_tensor = torch.zeros(shape)

print(f"Random Tensor: \n {rand_tensor} \n")
print(f"Ones Tensor: \n {ones_tensor} \n")
print(f"Zeros Tensor: \n {zeros_tensor}")

属性

tensor = torch.rand(3,4)

print(f"Shape of tensor: {tensor.shape}") # torch.Size([3, 4])
print(f"Datatype of tensor: {tensor.dtype}") # torch.float32
print(f"Device tensor is stored on: {tensor.device}") # cpu

运算

默认情况下，张量是在 CPU 上创建的。我们需要使用.to方法明确地将张量移动到 GPU

# 检查是否支持GPU
if torch.cuda.is_available():
    tensor = tensor.to('cuda')

tensor = torch.ones(4, 4)
print(tensor)
print('First row: ', tensor[0])
print('First column: ', tensor[:, 0])
print('Last column:', tensor[..., -1])
tensor[:,1] = 0
print(tensor)

连接

torch .cat用来连接沿给定维度的一系列张量

# 连接张量
t1 = torch.cat([tensor, tensor, tensor], dim=1)
print(t1)

向量

既有大小，又有方向的物理量

分量

基向量