创建tensor

  1. 从numpy导入

numpy导入

  1. 从list里面导入

在这里插入图片描述 tips: orch.tensor()里面的参数只能是numpy数据或list,即现成的数据；torch.Tensor/FloatTensor()参数为数据的维度,如果是接收现成的数据，要用list形式，如第四行表示方法（不建议使用，易混淆），如果是torch.Tensor/FloatTensor(2,3)表示数据shape为2*3

  1. 创建未初始化数据，即申请内存空间

    三种方法，在数据使用前记得覆盖原有的随机初始化的值，小括号内的参数均表示数据的维度，即shape 在这里插入图片描述 Tips:默认类型 设置默认数据类型的方法：

    torch.set_default_tensor_type(torch.DoubleTensor)

    否则默认数据类型为torch.FloatTensor

  2. 随机初始化

    rand()表示在[0,1]之间均匀采样 rand_like()的参数是tensor randint(min,max,shape) randn(shape)表示正态分布的随机数据 normal(mean,std) 在这里插入图片描述

  3. 其他常用API full(shape, num) 生成一个全为num的，shape为shape的数 arange/range(min,max,step) linspace/logspace(min,max,total_num) ones/zeros/eye(shape),其中eye()只能是一维或两维 randperm(num)随机打散num个数

    索引与切片

  4. 下标索引 在这里插入图片描述
  5. 切片 在这里插入图片描述
  6. 隔行采样 在这里插入图片描述 两个冒号连在一起表示隔行取样：：，中间没有逗号
  7. 具体维度下的采样 在这里插入图片描述
  8. …任意多的维度 在这里插入图片描述 主要用在取中间的全部，但是最后一个维度另外操作，比如隔行取样
  9. 掩码索引 使用不多，因为会把数据打平 在这里插入图片描述
  10. 打平索引 使用不多 在这里插入图片描述

    维度变换

    操作方法

  11. view/reshape()，功能一样 只要保证总的数据维度不变（1.） 忽略位置信息，通道信息，适合全连接层（2.） 只关注宽的信息，把所有照片的行和通道信息合并不关注（3.） 照片和通道信息合并，不关注来自哪张照片和哪个通道，只看行列信息（4.） 恢复数据时必须满足之前的维度信息 在这里插入图片描述

  12. squeeze()/unsqueeze() unsqueeze() index为正数，则在index之前插入，index是负数，则在index位置之后插入。前后按照正常的从左到右，右边是后面，插入的是是维度 在这里插入图片描述 在这里插入图片描述 squeeze() 在这里插入图片描述

  13. expand/repeat() expend()只能将原来是1的地方变为N，-1表示保持不变 不会主动复制数据，推荐 在这里插入图片描述

  14. repeat()参数表示对应位置拷贝的次数

    不推荐，因为会更改memory，占有内存变多，不能使用原来的数据 在这里插入图片描述

  15. ** .t()**
矩阵的转置，只能适用于二维矩阵
  1. Transpose() 一次只能两两交换在这里插入图片描述
  2. permute()参数对应依次表示变换之前的下标 在这里插入图片描述