导入库
import torch
import numpy as np
1. 先定义数组，再转换为torch向量
a=np.array([2,3.3])
a=torch.from_numpy(a)
print(a)
#Out:tensor([2.0000, 3.3000], dtype=torch.float64)
b=np.ones([2,3])#2行3列值1数组
b=torch.from_numpy(b)
print(b)
#Out:
'''
tensor([[0., 0., 0.],
[0., 0., 0.]], dtype=torch.float64)
'''
2. 直接定义torch向量
a=torch.tensor([2.,3.2])
print(a)
#Out:tensor([2.0000, 3.2000])
b=torch.FloatTensor([2.,3.2])#float数据类型
print(b)
#Out:tensor([2.0000, 3.2000])
c=torch.tensor([[2.,3.2],[1.,22.3]])
print(c)
#Out:
'''
tensor([[ 2.0000, 3.2000],
[ 1.0000, 22.3000]])
'''
3. torch中自带的创建向量方法
3.1 Torch.empty() 创建随机数的torch向量
a=torch.empty(1)
print(a)
#Out:tensor([2.3201e+21])
3.2 torch.Tensor(d1,d2),d1,d2表示维度,没有[ ]
b=torch.Tensor(2,3)#注意没有[].(这里改成小写的tensor会报错。使用大写Tensor才可以表示维度)
print(b)
#Out:
'''
tensor([[-2.3677e+19, 4.5689e-41, 6.6585e-37],
[ 0.0000e+00, 4.4842e-44, 0.0000e+00]])
'''
#b=torch.tensor(2,3)
#print(b)
#Out:TypeError: tensor() takes 1 positional argument but 2 were given
3.3 Torch.IntTensor(d1,d2,d3) 产生随机的整型数据
a=torch.IntTensor(2,3)#2行3列产生随机的整型数据
print(a)
#Out:
'''
tensor([[24836984, 32678, 40727424],
[ 0, 32, 0]], dtype=torch.int32)
'''
b=torch.FloatTensor(2,3)#2行3列产生随机的浮点型数据
print(b)
#Out:
'''
tensor([[0.0000e+00, 0.0000e+00, 1.4013e-45],
[0.0000e+00, 4.4842e-44, 0.0000e+00]])
'''
4. set default type 设置默认数据类型
print(torch.tensor([1.2,3]).type())
#Out:torch.FloatTensor
torch.set_default_tensor_type(torch.DoubleTensor)#更改默认数据类型
print(torch.tensor([1.2,3]).type())
#Out:torch.DoubleTensor
5. torch自带的随机生成数函数(rand/rand_like,randint)
- rand
- rand_like
- randint(min,max,[N,M])
- randn
- full()
- arange/range
- ones/zeros/eye
- randperm(N)
5.1 rand
生成随机数
a=torch.rand(3,3)#3行3列随机数
print(a)
#Out:
'''
tensor([[0.1318, 0.8855, 0.1509],
[0.4633, 0.1706, 0.9565],
[0.8536, 0.9419, 0.3204]])
'''
5.2 rand_like
生成维度相同的随机数
b=torch.rand_like(a)
print(b)
#Out:
'''
tensor([[0.8785, 0.3964, 0.9163],
[0.0378, 0.6336, 0.9027],
[0.1980, 0.3264, 0.3515]])
'''
5.3 randint(min,max,[N,M])
取值范围是[min,max)，N行M列的随机数
a=torch.randint(1,10,[3,3])
print(a)
#Out:
'''
tensor([[5, 7, 7],
[5, 7, 9],
[7, 1, 3]])
'''
5.4 randn
生成的是均值为0方差为1的高斯分布
a=torch.randn(3,3)
print(a)
#Out:
'''
tensor([[ 1.8433, 0.5534, -0.5419],
[ 0.2904, 0.2480, -0.0665],
[ 0.7695, 0.1245, 0.2835]])
'''
5.5 full()
a=torch.full([2,3],7)#2行3列值都为7的数组
print(a)
#Out:
'''
tensor([[7., 7., 7.],
[7., 7., 7.]])
'''
b=torch.full([],7)
print(b)
#Out:tensor(7.)
5.6 arange/range
a=torch.arange(0,10)#取值[0,10)
print(a)
#Out:tensor([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
b=torch.arange(0,10,2)#取值[0,10),步长为2
print(b)
#Out:tensor([0, 2, 4, 6, 8])
5.7 linspace/logspace#等差数列/等比数列
a=torch.linspace(0,10,steps=4)#0为起始值，10为终值，steps为生成个数
print(a)
#Out:tensor([ 0.0000, 3.3333, 6.6667, 10.0000])
b=torch.linspace(0,10,steps=10)
print(b)
#Out:tensor([ 0.0000, 1.1111, 2.2222, 3.3333, 4.4444, 5.5556, 6.6667, 7.7778, 8.8889, 10.0000])
c=torch.linspace(0,10,steps=11)
print(c)
#Out:tensor([ 0., 1., 2., 3., 4., 5., 6., 7., 8., 9., 10.])
a=torch.logspace(0,-1,steps=11)
print(a)
#Out:
'''
tensor([1.0000, 0.7943, 0.6310, 0.5012, 0.3981, 0.3162, 0.2512, 0.1995, 0.1585,
0.1259, 0.1000])
'''
b=torch.logspace(0.1,-1,steps=11)#返回一个1维张量，包含在区间 \(10^{start}\) 和 \( 10^{end} \),steps为生成个数
print(b)
#Out:
'''
tensor([1.2589, 0.9772, 0.7586, 0.5888, 0.4571, 0.3548, 0.2754, 0.2138, 0.1660,
0.1288, 0.1000])
'''
5.8 ones/zeros/eye
a=torch.ones(3,3)
print(a)
#Out:
'''
tensor([[1., 1., 1.],
[1., 1., 1.],
[1., 1., 1.]])
'''
b=torch.zeros(3,3)
print(b)
#Out:
'''
tensor([[0., 0., 0.],
[0., 0., 0.],
[0., 0., 0.]])
'''
c=torch.eye(3,3)#单位矩阵
print(c)
#Out:
'''
tensor([[1., 0., 0.],
[0., 1., 0.],
[0., 0., 1.]])
'''
5.9 randperm(N)
生成[0,N)的N个随机数
a=torch.randperm(10)#数值0-9的数
print(a)
#Out:tensor([1, 4, 6, 3, 9, 0, 8, 2, 5, 7])