Tensor的建立與維度檢視

 1 import torch 
 2 import numpy as np
 3 
 4 # 最基礎的Tensor()函式建立方法， 引數為Tensor的每一維大小
 5 a =  torch.Tensor(2,2)
 6 print(a)
 7 >> tensor([[1.0965e-38, 4.5670e-41],
 8         [4.6761e+17, 4.5670e-41]])
 9 
10 b=torch.DoubleTensor(2,2)
11 print(b)
12 >> tensor([[0., 0.],
13         [0., 0.]], dtype=torch.float64)
 
14 
15 # 使用Python的list序列進行建立
16 c=torch.Tensor([[1,2],[3,4]])
17 print(c)
18 >> tensor([[1., 2.],
19         [3., 4.]])
20 
21 # 使用zeros()函式， 所有元素均為0
22 d=torch.zeros(2,2)
23 print(d)
24 >> tensor([[0., 0.],
25         [0., 0.]])
26 
27 # 使用ones()函式， 所有元素均為1
28 e=torch.ones(5,5)
29 print(e)
30 >>  tensor([[1., 1., 1., 1., 1.],
 
31         [1., 1., 1., 1., 1.],
32         [1., 1., 1., 1., 1.],
33         [1., 1., 1., 1., 1.],
34         [1., 1., 1., 1., 1.]])
35 
36 # 使用eye()函式， 對角線元素為1， 不要求行列數相同， 生成二維矩陣
37 f=torch.eye(3,4)
38 print(f)
39 >> tensor([[1., 0., 0., 0.],
40         [0., 1., 0., 0.],
41         [0., 0., 1., 0.]])
42
 
 
43 # 使用randn()函式， 生成隨機數矩陣
44 g=torch.randn(2,2)
45 print(g)
46 >> tensor([[ 1.4531, -1.5791],
47         [ 0.7568, -0.7648]])
48 
49 # 使用arange(start, end, step)函式， 表示從start到end， 間距為step， 一維向量
50 h=torch.arange(1,20,1)
51 print(h)
52 >> tensor([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16, 17, 18,
53         19])
54 
55 # 使用linspace(start, end, steps)函式， 表示從start到end， 一共steps份， 一維向量
56 i=torch.linspace(1,6,6)
57 print(i)
58 >> tensor([1., 2., 3., 4., 5., 6.])
59 
60 # 使用randperm(num)函式， 生成長度為num的隨機排列向量
61 j=torch.randperm(10)
62 print(j)
63 >> tensor([0, 9, 4, 1, 5, 3, 7, 8, 2, 6])
64 
65 # PyTorch 0.4中增加了torch.tensor()方法， 引數可以為Python的list、 NumPy的ndarray等
66 k=torch.tensor([1,2,3])
67 print(k)
68 >> tensor([1, 2, 3])

 1 import torch 
 2 
 3 a=torch.randn(2,2)
 4 print(a.shape)
 5 print(a.size())
 6 print(a.numel())
 7 print(a.nelement())
 8 
 9 >> torch.Size([2, 2])
10 >> torch.Size([2, 2])
11 >> 4
12 >> 4