Pytorch 创建 tensor 操作

Pytorch 创建 tensor 操作

创建单位矩阵

torch.eye(n, m=None, out=None)
#返回一个2维张量，对角线位置全1，其它位置全0的2维张量

参数：

• n(int) - 行数
• m(int, optional) - 列数，如果为None，则默认是 n
• out（Tensor，optional）- Output tensor

将 numpy.ndarray 转换为 pytorch 的Tensor。返回的张量 tensor 和 numpy 的 ndarray 共享同一内存空间。修改一个会导致梁一个也被修改。返回的张量不能改变大小。

例子：

生成一维线性张量
torch.linspace返回一个1维张量，包含在 start 和 end 上均匀间隔的 step 个点，输出1维张量的长度为 steps。
torch.logspace返回一个1维张量，包含在 10^start 和10^end 上以对数刻度均匀间隔的 step 个点，输出1维张量的长度为 steps。

torch.linspace(start, end, steps=100, out=None) -> Tensor
torch.logspace(start, end, steos=100, out=None) -> Tensor

参数：

• start(float) - 序列的起始点
• end(float) - 序列的终止点
• setps(int) - 在 start 和 end 间生成的样本数
• out（Tensor，optional）- 结果张量
  例子：
  
  
  
  生成全是 1 的张量

torch.ones(*size, out=None) -> Tensor

参数：

• size(int…) - 整数序列，定义了输出形状
• out(Tensor, optional) - 结果张量
  例子：
  
  在区间 [0, 1)的均匀分布中抽取一组随机数

torch.rand(*sizes, out=None) ->Tensor

参数：

• size(int…) - 整数序列，定义了输出的形状
• out(Tensor, optional) - 结果张量
  例子：
  
  
  生成满足标准正态分布（均值是0，方差是1）的一个张量

torch.randn(*sizes, out=None) ->Tensor

参数：

• size(int…) - 整数序列，定义了输出的形状
• out(Tensor, optional) - 结果张量
  生成一个0 - (n-1) 的随机整数排列

torch.randperm(n, out=None) -> LongTensor

参数：

• n(int) - 上边界（不包含）
  例子：
  
  生成指定步长的一维张量：
  长度为 floor((end-start)/step)，包含从 start 到 end，以step为步长

torch.arange(start, end, step=1, out=None)  -> Tensor

参数：

• start(float) - 序列的起始点
• end(float) - 序列的终止点
• step(float) - 相邻点的间隔大小
• out(Tensor, optional) - 结果张量
  例子：
  

torch.range(start, end, step=1, out=None) -> Tensor

返回一个 1 维张量，有 floor((end - start)/step) + 1个元素。包含在半开区间[start, end)，从start开始，以step为步长的一组值
参数：

• start(float) - 序列的起始点
• end(float) - 序列的终止点
• step(float) - 相邻点的间隔大小
• out(Tensor, optional) - 结果张量
  例子：
  
  
  生成全是 0 的张量矩阵

torch.zeros(*sizes, out=None) -> Tensor

参数：

• sizes(int…) - 整数序列，定义了输出形状
• out(Tensor，optional) - 结果张量
  例子：